sankey
?；鶊D（sankey）是一種數(shù)據(jù)流圖，每條邊**一條數(shù)據(jù)流，寬度**數(shù)據(jù)流的大小。一套數(shù)據(jù)集可能有多重屬性，每層屬性之間有交叉，就可以用這種圖來展示。一般應用場景：分組與基因為多對多關系，展示高頻突變基因所處的分組；miRNA和靶基因的關系；人群按性別、年齡、家族史等特征分組，展示不同分組得**的規(guī)律。
數(shù)據(jù)要求：
多個分組及其關系，包括且不限于基因表達、突變。
下游分析：
1. 補充展示部分的已有相關研究
2. 解釋展示部分對研究課題的意義 乳腺類疾病預后相關信性基因突變研究數(shù)據(jù)包。重慶文章成稿指導數(shù)據(jù)科學服務
GSVA算法接受的輸入為基因表達矩陣（經(jīng)過log2標準化的芯片數(shù)據(jù)或者RNA-seqcount數(shù)數(shù)據(jù)）以及特定基因集。**步，算法會對表達數(shù)據(jù)進行核密度估計；第二部，基于**步的結(jié)果對樣本進行表達水平排序；第三步，對于每一個基因集進行類似K-S檢驗的秩統(tǒng)計量計算；第四步，獲取GSVA富集分數(shù)。**終輸出為以每個基因集對應每個樣本的數(shù)據(jù)矩陣。無監(jiān)督算法無監(jiān)督算法常常被用于數(shù)據(jù)挖掘，用于在大量無標簽數(shù)據(jù)中發(fā)現(xiàn)些什么。它的訓練數(shù)據(jù)是無標簽的，訓練目標是能對觀察值進行分類或區(qū)分等。核密度估計核密度估計（kerneldensityestimation）在概率論中用來估計未知的密度函數(shù)，屬于非參數(shù)檢驗方法之一。數(shù)據(jù)要求1、特定感興趣的基因集（如信號通路，GO條目等），列出基因集中基因2、基因表達矩陣，為經(jīng)過log2標準化的芯片數(shù)據(jù)或者RNA-seqcount數(shù)數(shù)據(jù)（基因名形式與基因集對應）下游分析1、基因集（如信號通路）的生存分析2、基因集（如信號通路）的差異表達分析3、基因集。 湖北算法還原與開發(fā)數(shù)據(jù)科學共同合作做數(shù)據(jù)分析就找云生物。
下游分析針對LASSO獲得的基因模型（或稱基因Panel）的驗證：1.計算風險指數(shù)RiskScore2.繪制ROC曲線、DCA曲線、列線圖進行驗證3.繪制生KM存曲線對基因模型中的基因進行解釋和分析：1.基因注釋2.靶向藥物分析應用示例：文獻1：PrognosticandpredictivevalueofamicroRNAsignatureinstageIIcoloncancer:amicroRNAexpressionanalysis.于2013年12月發(fā)表在LancetOncol.，影響因子。一個miRNA特征集在stageII結(jié)腸*的預后預測作用分析文章對stageII結(jié)腸*組織和*旁正常組織的miRNA芯片數(shù)據(jù)進行了差異表達分析，并通過LASSOCox回歸對獲得的差異表達miRNA進行篩選，獲得了6個miRNA的可以預測預后情況的miRNA特征集。文獻2：PrognosticValueofaBCSC-associatedMicroRNASignatureinHormoneReceptor-PositiveHER2-NegativeBreastCancer（于2016年9月發(fā)表在EBioMedicine.上，影響因子）文章將符合條件的患者劃分為訓練集和測試集，首先分析獲得了**干細胞相關的miRNA，接著通過LASSO對**干細胞相關的miRNA進行篩選，構(gòu)建了10個miRNA的預后預測模型，并計算風險指數(shù)繪制了生存曲線和ROC曲線。
術(shù)語解讀：PPI：蛋白質(zhì)-蛋白質(zhì)相互作用(protein-proteininteraction)PPImoduleI：指蛋白質(zhì)相互作用模塊，一個模塊指向一個功能數(shù)據(jù)要求：基因列表應用示例1：（于2018年3月發(fā)表在Immunity.，影響因子）T細胞活化過程中產(chǎn)生蛋白質(zhì)組進行多重定量分析，然后對差異表達蛋白權(quán)重聚類，并將聚類蛋白疊加到PPI網(wǎng)絡上以識別功能模塊。D.模塊大小的分布，通過將每個WPC（權(quán)重聚類結(jié)果）中的蛋白疊加到蛋白-蛋白相互作用(PPI)網(wǎng)絡上識別模塊。每個模塊的蛋白質(zhì)數(shù)量顯示出來。E.各個模塊及其交互的關系圖。圓圈(節(jié)點)表示90個模塊，圓圈大小與模塊大小成比例。邊連接共享PPIs的模塊。在(F)和(G)中進一步擴展了裝箱模塊。F.來自WPC3的細胞質(zhì)和線粒體核糖體的四個互連模塊。顯示了蛋白質(zhì)的名稱和每個模塊的代表性功能術(shù)語。G.來自WPC3的蛋白酶體，OXPHOS和線粒體復合物IV途徑的模塊。 提供語言潤色、圖表調(diào)整、格式修改等工作模塊。
STEM基因表達趨勢分析數(shù)據(jù)要求表達譜芯片或測序數(shù)據(jù)（已經(jīng)過預處理）下游分析得到***富集的時間表達模式之后的分析有：1.時間表達模式中基因的功能富集2.時間表達模式中基因表達與性狀之間的相關性挖掘模塊的關鍵信息：1.找到時間表達模式中的**基因2.利用關系預測該時間表達模式功能文獻1：DynamicEBF1occupancydirectssequentialepigeneticandtranscriptionaleventsinB-cellprogramming（于2018年1月發(fā)表在GenesDev.，影響因子）EBF1動態(tài)占據(jù)在B細胞中對序列表觀遺傳和轉(zhuǎn)錄過程的影響該文獻采用基因表達趨勢分析，探尋了EBF1誘導前后25kb轉(zhuǎn)錄起始位點內(nèi)基因轉(zhuǎn)錄水平的差異，來尋找EBF1對特定功能基因的影響以及造成影響的時間節(jié)點。文獻2：ComprehensivetranscriptionalprofilingofNaCl-stressedArabidopsisrootsrevealsnovelclassesofresponsivegenes（于2016年10月發(fā)表在BMCPlantBiol.，影響因子）該文獻采用基因表達趨勢分析，研究了高濃度鹽水作用不同時間下擬南芥根的基因表達差異，來探尋在遇到高濃度鹽水時擬南芥在基因?qū)用嫔系膽獙Ψ绞健?文稿投稿2個月online 發(fā)表。數(shù)據(jù)庫建設數(shù)據(jù)科學共同合作
采用機器學習算法對疾病的干性指數(shù)進行分型分類研究。重慶文章成稿指導數(shù)據(jù)科學服務
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），是一個大小介于1kb至3MB的DN**段的變異，在人類及動植物基因組中***分布，主要表現(xiàn)為亞顯微水平的缺失或重復。CNV是近年來基因組學的研究熱點，是許多人類疾?。ㄈ?*、遺傳性疾病、心血管疾病等）發(fā)***展的重要分子機制之一。CNV的分析多見于易于發(fā)生染色體結(jié)構(gòu)變異的**研究中，也可用于復雜的神經(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研究既可用于單個的病例分析，找到遺傳高度異質(zhì)性的個體致病的遺傳學基礎，如智力低下的病因診斷；也可用于大量的病例一對照分析，患病群體的常見CNV變異研究，還可用于**家系的研究，如疾病相關新發(fā)CNV的研究。基本原理目前主流的CNV檢驗方法有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。對正常人來說，基因組應該是二倍體的，所以凡是測到非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**樣本來說。 重慶文章成稿指導數(shù)據(jù)科學服務