GSEA基本原理從方法上來講，GSEA主要分為基因集進(jìn)行排序、計(jì)算富集分?jǐn)?shù)（EnrichmentScore，ES）、估計(jì)富集分?jǐn)?shù)的***性水平并進(jìn)行多重假設(shè)檢驗(yàn)三個(gè)步驟。**步對輸入的所有基因集L進(jìn)行排序，通常來說初始輸入的基因數(shù)據(jù)為表達(dá)矩陣，排序的過程相當(dāng)于特定兩組中（case-control、upper-lower等等）基因差異表達(dá)分析的過程。根據(jù)所有基因在兩組樣本的差異度量不同（共有六種差異度量，默認(rèn)是signal2noise，GSEA官網(wǎng)有提供公式，也可以選擇較為普遍的foldchange)，對基因進(jìn)行排序，并且Z-score標(biāo)準(zhǔn)化。第二步是GSEA的**步驟，通過分析預(yù)先定義基因集S在**步獲得的基因序列上的分布計(jì)算富集指數(shù)EnrichmentScore，并繪制分布趨勢圖Enrichmentplot。每個(gè)基因在基因集S的EnrichmentScore取決于這個(gè)基因是否屬于基因集S及其差異度量（如foldchange）。差異度量越大基因的EnrichmentScore權(quán)重越大，如果基因在基因集S中則EnrichmentScore取正，反則取負(fù)。將基因集L在基因集S里的所有基因的EnrichmentScore一個(gè)個(gè)加起來，就是Enrichmentplot上的EnrichmentScore趨勢，直到EnrichmentScore達(dá)到**值，就是基因集S**終的EnrichmentScore。第三步是為了檢驗(yàn)第二部獲得結(jié)果的統(tǒng)計(jì)學(xué)意義。 承擔(dān)各類項(xiàng)目超過400余項(xiàng)。山東公共數(shù)據(jù)庫挖掘數(shù)據(jù)科學(xué)活動(dòng)

Bubbles可以同時(shí)展示pvalue和表達(dá)量。例如展示motif的pvalue和motif對應(yīng)的轉(zhuǎn)錄因子的表達(dá)量，方便快速看出轉(zhuǎn)錄因子富集且高表達(dá)所在的group，預(yù)示著該分組對細(xì)胞狀態(tài)的改變（例如細(xì)胞分化、轉(zhuǎn)移、應(yīng)激）起關(guān)鍵調(diào)控作用；例如做基因功能富集分析時(shí)，展示富集的通路qvalue和基因數(shù)量或geneRatio。

基本原理：

Bubbles的實(shí)質(zhì)是分組數(shù)據(jù)下基因表達(dá)量或通路內(nèi)基因數(shù)量的可視化，同時(shí)可以展示pvalue。

數(shù)據(jù)要求：

表達(dá)矩陣，分組 重慶診療軟件開發(fā)數(shù)據(jù)科學(xué)售后分析文稿投稿2個(gè)月online 發(fā)表。

Inmmune gene

免疫學(xué)研究是目前科研領(lǐng)域爭相研究的熱點(diǎn)，**免疫細(xì)胞浸潤是其中一種。**免疫細(xì)胞浸潤是指免疫細(xì)胞從血液中移向**組織發(fā)揮作用。我們從**組織中分離出浸潤免疫細(xì)胞含量，計(jì)算基因與浸潤免疫細(xì)胞含量的相關(guān)性，篩選出影響免疫浸潤的候選基因。

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)基因與浸潤免疫細(xì)胞含量的相關(guān)性，篩選與浸潤免疫細(xì)胞含量高度相關(guān)的基因。

術(shù)語解讀：

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

三角坐標(biāo)統(tǒng)計(jì)圖是采用數(shù)字坐標(biāo)形式來表現(xiàn)三項(xiàng)要素的數(shù)字信息圖像。三角形坐標(biāo)圖常用百分?jǐn)?shù)（%）來表示某項(xiàng)要素與整體的結(jié)構(gòu)比例。三條邊分別表示三個(gè)不同分量，三個(gè)頂點(diǎn)可以看作是三個(gè)原點(diǎn)。三角圖可以展示某特定值在一個(gè)整體中不同類型的分布。在生物信息中三角圖可以方便地展示3種不同疾病或者3個(gè)不同分組之間某個(gè)指標(biāo)的相關(guān)性。

數(shù)據(jù)要求

多個(gè)樣本的三個(gè)變量值，或者多個(gè)基因在三個(gè)不同分組中的數(shù)據(jù)值，可以是突變頻率數(shù)據(jù)、基因表達(dá)數(shù)據(jù)、甲基化數(shù)據(jù)等。 診療軟件開發(fā)、算法還原與開發(fā)、臨床統(tǒng)計(jì)等數(shù)據(jù)科學(xué)工作。

術(shù)語解讀：

TME: Tumormicroenvironment

TMEscore: TMEsignature score（使用PCA算法計(jì)算得到，高意味著對病毒和干擾素免疫***和應(yīng)答敏感。）  

PCA:Principal component analysis

CIBERSORT:Cell type identification by estimating relative subset of known RNA transcripts

CYT:Cytolytic activity

EMT:Epithelial-mesenchymal-transition

CR: Completeresponse

PR: Partialresponse  

PD:Progressive disease

TMB: Tumormutational burden

數(shù)據(jù)要求：

各細(xì)胞之間的相關(guān)關(guān)系、pvalue、聚類/分類結(jié)果、跟預(yù)后的關(guān)系表。 OmicCircos圖可以對感興趣的多個(gè)基因，展示其染色體的位置、拷貝數(shù)變異等多個(gè)特征。湖北數(shù)據(jù)庫建設(shè)數(shù)據(jù)科學(xué)共同合作

基因組數(shù)據(jù)全鏈條處理。山東公共數(shù)據(jù)庫挖掘數(shù)據(jù)科學(xué)活動(dòng)

    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。SubtypeGSEA是在GSEA的基礎(chǔ)上對不同亞型樣本中重要通路的富集情況進(jìn)行組間比較，能直觀比較不同亞型中相同通路富集情況。基本原理GSEA主要分為基因集進(jìn)行排序、計(jì)算富集分?jǐn)?shù)（EnrichmentScore，ES）、估計(jì)富集分?jǐn)?shù)的***性水平并進(jìn)行多重假設(shè)檢驗(yàn)三個(gè)步驟。**步對輸入的所有基因集L進(jìn)行排序，通常來說初始輸入的基因數(shù)據(jù)為表達(dá)矩陣，排序的過程相當(dāng)于特定兩組中（case-control、upper-lower等等）基因差異表達(dá)分析的過程。根據(jù)所有基因在兩組樣本的差異度量不同（共有六種差異度量，默認(rèn)是signal2noise，GSEA官網(wǎng)有提供公式，也可以選擇較為普遍的foldchange)，對基因進(jìn)行排序，并且Z-score標(biāo)準(zhǔn)化。第二步是GSEA的**步驟，通過分析預(yù)先定義基因集S在**步獲得的基因序列上的分布計(jì)算富集指數(shù)EnrichmentScore，并繪制分布趨勢圖Enrichmentplot。每個(gè)基因在基因集S的EnrichmentScore取決于這個(gè)基因是否屬于基因集S及其差異度量（如foldchange）。 山東公共數(shù)據(jù)庫挖掘數(shù)據(jù)科學(xué)活動(dòng)