RoastROAST是一種差異表達(dá)分析方法，有助于提高統(tǒng)計(jì)能力、組織和解釋結(jié)果以及在不同實(shí)驗(yàn)中的關(guān)聯(lián)表達(dá)模式，一般適用于microarray、RNA-seq的表達(dá)矩陣，用limma給全部基因做差異表達(dá)分析，不需要篩差異表達(dá)基因?；驹恚篟OAST是一種假設(shè)驅(qū)動(dòng)的測(cè)試，對(duì)結(jié)果基因集做富集分析，富集分析考慮基因集中基因的方向性(上調(diào)或下調(diào))和強(qiáng)度(log2倍變化)，判斷上/下調(diào)基因是否***富于集目標(biāo)基因集；ROAST使用rotation,一種MonteCarlotechnology的多元回歸方法，適用于樣本數(shù)量較少的情況；roast檢驗(yàn)一個(gè)geneset，對(duì)于復(fù)雜矩陣，使用mroast做multipleroasttests。富集分析結(jié)果用barcodeplot展示，使上/下調(diào)基因在目標(biāo)基因集中的分布可視化。數(shù)據(jù)要求：表達(dá)矩陣。 乳腺類疾病預(yù)后相關(guān)信性基因突變研究數(shù)據(jù)包。四川成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)售后服務(wù)
Inmmune gene
免疫學(xué)研究是目前科研領(lǐng)域爭(zhēng)相研究的熱點(diǎn)，**免疫細(xì)胞浸潤(rùn)是其中一種。**免疫細(xì)胞浸潤(rùn)是指免疫細(xì)胞從血液中移向**組織發(fā)揮作用。我們從**組織中分離出浸潤(rùn)免疫細(xì)胞含量，計(jì)算基因與浸潤(rùn)免疫細(xì)胞含量的相關(guān)性，篩選出影響免疫浸潤(rùn)的候選基因。
基本原理：
從基因矩陣數(shù)據(jù)中提取免疫細(xì)胞含量，生成免疫細(xì)胞含量矩陣；
計(jì)算目標(biāo)基因與浸潤(rùn)免疫細(xì)胞含量的相關(guān)性，篩選與浸潤(rùn)免疫細(xì)胞含量高度相關(guān)的基因。
術(shù)語(yǔ)解讀：
相關(guān)性系數(shù)（pearson,spearman, kendall）反應(yīng)兩個(gè)變量之間變化趨勢(shì)的方向以及程度。相關(guān)系數(shù)范圍為-1到+1。0表示兩個(gè)變量不相關(guān)，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)，值越大表示相關(guān)性越強(qiáng)。
數(shù)據(jù)要求：
**數(shù)據(jù)表達(dá)矩陣 山東數(shù)據(jù)科學(xué)口碑推薦不斷拓展各類大學(xué)、科研院所、醫(yī)院學(xué)術(shù)資源，互通有無(wú)，形成強(qiáng)大學(xué)術(shù)生態(tài)圈。
CNV(拷貝數(shù)變異分析)：CNV（copy-numbervariant）是指拷貝數(shù)目變異，也稱拷貝數(shù)目多態(tài)性（copy-numberpolymorphism，CNP），是一個(gè)大小介于1kb至3MB的DN**段的變異，在人類及動(dòng)植物基因組中***分布，主要表現(xiàn)為亞顯微水平的缺失或重復(fù)。CNV是近年來(lái)基因組學(xué)的研究熱點(diǎn)，是許多人類疾?。ㄈ?*、遺傳性疾病、心血管疾病等）發(fā)***展的重要分子機(jī)制之一。CNV的分析多見(jiàn)于易于發(fā)生染色體結(jié)構(gòu)變異的**研究中，也可用于復(fù)雜的神經(jīng)精神疾病的病因?qū)W研究，如智力障礙、帕金森病和孤獨(dú)癥等，也可用于其他疾病的易感性分析，如銀屑病、克羅恩病和一些自身免疫系統(tǒng)疾病。CNV研究既可用于單個(gè)的病例分析，找到遺傳高度異質(zhì)性的個(gè)體致病的遺傳學(xué)基礎(chǔ)，如智力低下的病因診斷；也可用于大量的病例一對(duì)照分析，患病群體的常見(jiàn)CNV變異研究，還可用于**家系的研究，如疾病相關(guān)新發(fā)CNV的研究。基本原理目前主流的CNV檢驗(yàn)方法有RNA-seq和SNPArray，已有研究表明使用轉(zhuǎn)錄組數(shù)據(jù)分析到的CNV情況和。CNV分析的**步為篩選somaticCNVs。對(duì)正常人來(lái)說(shuō)，基因組應(yīng)該是二倍體的，所以凡是測(cè)到非2倍體的地方都是CNV。但是CNV本身就是人群遺傳物質(zhì)多樣性的體現(xiàn)，所以對(duì)**樣本來(lái)說(shuō)。
GeneInteraction基因互作：基因相互作用指miRNA、lncRNA、circRNA或其它RNA介導(dǎo)DNA轉(zhuǎn)錄，從而影響mRNA的表達(dá)過(guò)程。通俗意義上來(lái)說(shuō)，基因互作關(guān)系指基于序列預(yù)測(cè)的靶基因?qū)?。miRNA通過(guò)與靶mRNA的結(jié)合，或促使mRNA降解，或阻礙其翻譯，從而***目的基因的表達(dá)。競(jìng)爭(zhēng)性內(nèi)源RNA網(wǎng)絡(luò)是靶基因預(yù)測(cè)的研究深入，簡(jiǎn)稱ceRNA網(wǎng)絡(luò)。通過(guò)進(jìn)行ceRNA網(wǎng)絡(luò)的分析，我們能從一個(gè)更為宏觀的角度來(lái)解釋轉(zhuǎn)錄體如何構(gòu)建基因表達(dá)調(diào)控網(wǎng)絡(luò)，從而進(jìn)一步挖掘基因在其中的調(diào)控機(jī)制?；驹恚簃iRNA主要通過(guò)與靶基因的非翻譯區(qū)（UTR）結(jié)合而發(fā)揮其作用，對(duì)miRNA和mRNA、lncRNA、circRNA結(jié)合進(jìn)行的預(yù)測(cè)稱為靶基因預(yù)測(cè)。靶基因預(yù)測(cè)使用軟件根據(jù)miRNA和靶基因間的結(jié)合的規(guī)律預(yù)測(cè)結(jié)合基因?qū)?。在生物體內(nèi)，miRNA可以通過(guò)與proteincoding特異性結(jié)合，影響相關(guān)基因的表達(dá)，從而參與調(diào)控細(xì)胞內(nèi)的各項(xiàng)功能。ceRNA具有miRNA結(jié)合位點(diǎn)，能后競(jìng)爭(zhēng)性地結(jié)合miRNA，***miRNA對(duì)靶基因的調(diào)控。例如lncRNA與miRNA競(jìng)爭(zhēng)性結(jié)合，影響miRNA調(diào)控mRNA的過(guò)程，**終導(dǎo)致的mRNA表達(dá)失調(diào)。我們使用基于序列預(yù)測(cè)的軟件對(duì)差異分析得到的miRNA與mRNA，lncRNA，circRNA進(jìn)行靶點(diǎn)預(yù)測(cè)和ceRNA網(wǎng)絡(luò)分析。 利用甲基化數(shù)據(jù)分析樣本的拷貝數(shù)變異。
術(shù)語(yǔ)解讀
數(shù)據(jù)降維：
降維就是一種對(duì)高維度特征數(shù)據(jù)預(yù)處理方法。降維是將高維度的數(shù)據(jù)保留下**重要的一些特征，去除噪聲和不重要的特征，從而實(shí)現(xiàn)提升數(shù)據(jù)處理速度的目的。在實(shí)際的生產(chǎn)和應(yīng)用中，降維在一定的信息損失范圍內(nèi)，可以為我們節(jié)省大量的時(shí)間和成本。降維也成為應(yīng)用非常***的數(shù)據(jù)預(yù)處理方法。
數(shù)據(jù)要求：
表達(dá)譜芯片或測(cè)序數(shù)據(jù)（已經(jīng)過(guò)預(yù)處理）
下游分析
得到PCA分析結(jié)果之后的分析有：
1.對(duì)組成主要成分的基因進(jìn)行后續(xù)分析，探究該情況下關(guān)鍵基因表達(dá)情況
2.對(duì)組成不同主成分簇的基因進(jìn)行后續(xù)分析，探究該情況下不同基因集的表達(dá)情況 采用機(jī)器學(xué)習(xí)算法對(duì)疾病的干性指數(shù)進(jìn)行分型分類研究。云南成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)經(jīng)驗(yàn)豐富
多鏈條批量處理、快速獲得研究靶點(diǎn)。四川成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)售后服務(wù)
GSEA分析：GSEA全名為GeneSetEnrichmentAnalysis（基因集富集分析）。用以分析特定基因集（如關(guān)注的GO條目或KEGGPathway）在兩個(gè)生物學(xué)狀態(tài)（如**與對(duì)照，高齡與低齡）中是否存在差異。能夠研究基因變化的生物學(xué)意義。普通GO/KEGG富集的思路是先篩選差異基因，然后確定這些差異基因的GO/KEGG注釋，然后通過(guò)超幾何分布計(jì)算出哪些通路富集到了，再通過(guò)p值或FDR等閾值進(jìn)行篩選。挑選用于富集的基因有一定的主觀性，沒(méi)有關(guān)注到的基因的信息會(huì)被忽視，所以有一定的局限性。在這種情況下有了GSEA（GeneSetEnrichmentAnalysis），其思路是發(fā)表于2005年的Genesetenrichmentanalysis:aknowledge-basedapproachforinterpretinggenome-wideexpressionprofiles。主要是要有兩個(gè)概念：預(yù)先定義的基因集S（基于先驗(yàn)知識(shí)的基因注釋信息）和待分析基因集L（一般初始輸入是表達(dá)矩陣）；然后GSEA目的就是為了判斷S基因集中的基因是隨機(jī)分布于L（按差異表達(dá)程度對(duì)基因進(jìn)行排序），還是聚集分布在L的頂部或者底部（也就是存在差異性富集）。如果基因集中的基因***富集在L的頂部或者底部，這說(shuō)明這些基因的表達(dá)對(duì)定義的分組（預(yù)先分組）的差異有***影響（一致性）。在富集分析的理論中。 四川成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)售后服務(wù)