Negli ultimi anni, le banche dati emergenti sono state progettate per abbassare le barriere per avvicinarsi agli intricati DataSet genomici del cancro, facilitando così i simpatizzanti ad analizzare e interpretare i geni, i campioni e le informazioni cliniche su diversi tipi di cancro. Nel presente documento Descriviamo una procedura operativa pratica, prendendo ad esempio ID1 (inibitore delle proteine di legame del DNA 1), per caratterizzare i modelli di espressione di biomarcatori e predittori di sopravvivenza del cancro al seno sulla base di dataset clinici aggregati derivati da database accessibili online, tra cui ONCOMINE, bcGenExMiner v 4.0 (cancro al seno Gene-Expression Miner v 4.0), GOBO (risultato basato sull'espressione genica per il cancro al seno online), HPA (l'Atlante proteico umano) e il plotter Kaplan-Meier. L'analisi è iniziata con l'interrogazione del modello di espressione del gene di interesse (ad esempio, ID1) nei campioni cancerogeni rispetto ai campioni normali. Quindi, è stata eseguita l'analisi di correlazione tra ID1 e le caratteristiche clinicopatologiche nel carcinoma mammario. Successivamente, i profili di espressione di ID1 sono stati stratificati in base a diversi sottogruppi. Infine, è stata analizzata l'associazione tra l'espressione ID1 e l'esito della sopravvivenza. La procedura di funzionamento semplifica il concetto di integrare i tipi di dati multidimensionali a livello genetico da diversi database e ipotesi di test riguardanti il contesto di ricorrenza e genomica degli eventi di alterazione genica nel cancro al seno. Questo metodo può migliorare la credibilità e la rappresentatività delle conclusioni, in tal modo, presentare una prospettiva informativa su un gene di interesse.