GSVA算法接受的輸入為基因表達(dá)矩陣（經(jīng)過(guò)log2標(biāo)準(zhǔn)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(huì)對(duì)表達(dá)數(shù)據(jù)進(jìn)行核密度估計(jì)；第二部，基于**步的結(jié)果對(duì)樣本進(jìn)行表達(dá)水平排序；第三步，對(duì)于每一個(gè)基因集進(jìn)行類似K-S檢驗(yàn)的秩統(tǒng)計(jì)量計(jì)算；第四步，獲取GSVA富集分?jǐn)?shù)。**終輸出為以每個(gè)基因集對(duì)應(yīng)每個(gè)樣本的數(shù)據(jù)矩陣。無(wú)監(jiān)督算法無(wú)監(jiān)督算法常常被用于數(shù)據(jù)挖掘，用于在大量無(wú)標(biāo)簽數(shù)據(jù)中發(fā)現(xiàn)些什么。它的訓(xùn)練數(shù)據(jù)是無(wú)標(biāo)簽的，訓(xùn)練目標(biāo)是能對(duì)觀察值進(jìn)行分類或區(qū)分等。核密度估計(jì)核密度估計(jì)（kerneldensityestimation）在概率論中用來(lái)估計(jì)未知的密度函數(shù)，屬于非參數(shù)檢驗(yàn)方法之一。數(shù)據(jù)要求1、特定感興趣的基因集（如信號(hào)通路，GO條目等），列出基因集中基因2、基因表達(dá)矩陣，為經(jīng)過(guò)log2標(biāo)準(zhǔn)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(duì)應(yīng)）下游分析1、基因集（如信號(hào)通路）的生存分析2、基因集（如信號(hào)通路）的差異表達(dá)分析3、基因集。 基因組數(shù)據(jù)全鏈條處理、蛋白組代謝組個(gè)性化分析。山東公共數(shù)據(jù)庫(kù)挖掘數(shù)據(jù)科學(xué)經(jīng)驗(yàn)豐富

    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。 上海診療軟件開發(fā)數(shù)據(jù)科學(xué)售后服務(wù)基因組數(shù)據(jù)全鏈條處理。

    mutationEvents**已存在的基因突變會(huì)影響其他基因的突變，突變分析時(shí)確定這些基因突變潛在的相互作用，能更好地了解健康細(xì)胞轉(zhuǎn)化為*細(xì)胞的過(guò)程和機(jī)制。DISCOVER，一種針對(duì)基因突變的統(tǒng)計(jì)檢驗(yàn)工具，幫助尋找***的基因突變間互斥性和共現(xiàn)性。一般可應(yīng)用的研究場(chǎng)景：探索一組基因是否在**中存在互斥性和共現(xiàn)性；基于基因突變的互斥性和共現(xiàn)性，研究**發(fā)***展的潛在機(jī)制。基本原理：DISCOVER（DiscreteIndependenceStatisticControllingforObservationswithVaryingEventRates）是一種用于檢測(cè)**基因組數(shù)據(jù)的共現(xiàn)性和互斥性的新統(tǒng)計(jì)檢驗(yàn)方法。與Fisher'sexacttest等用于這些任務(wù)的傳統(tǒng)方法不同的是，DISCOVER基于一個(gè)空模型，該模型考慮了總體**特異性的變化率，從而決定變化率的同時(shí)發(fā)生的頻率是否高于或低于預(yù)期。該方法避免了共現(xiàn)檢測(cè)中的虛假關(guān)聯(lián)，提高了檢測(cè)互斥性的統(tǒng)計(jì)能力。DISCOVER的性能與其他幾個(gè)已發(fā)布的互斥性測(cè)試相比，在整個(gè)***性水平范圍內(nèi)，DISCOVER在控制假陽(yáng)性率的同時(shí)更敏感。

    術(shù)語(yǔ)解釋：Cox回歸：又稱比例風(fēng)險(xiǎn)回歸模型(proportionalhazardsmodel，簡(jiǎn)稱Cox模型)，是由英國(guó)統(tǒng)計(jì)學(xué)家。該模型以生存結(jié)局和生存時(shí)間為應(yīng)變量，可同時(shí)分析多種因素對(duì)于生存期長(zhǎng)短的影響。Cox模型能分析帶有截尾生存時(shí)間的資料，且不要求估計(jì)資料的生存分布類型，因此在醫(yī)學(xué)界被***使用。Logistic回歸：又稱邏輯回歸模型，屬于廣義線性模型。邏輯回歸是一種用于解決二分類問(wèn)題的分析方法，用于估計(jì)某種事物的可能性。相較于傳統(tǒng)線性模型，邏輯回歸模型以概率形式輸出結(jié)果，可控性高且結(jié)果可解釋性強(qiáng)。數(shù)據(jù)要求：樣本臨床信息或生物學(xué)特征（基因突變、基因表達(dá)等）樣本的隨訪數(shù)據(jù)（總生存期，生存狀態(tài)）或樣本的分組情況下游分析：1.補(bǔ)充相關(guān)因素的已有相關(guān)研究2.解釋相關(guān)因素對(duì)研究課題的意義。 提供語(yǔ)言潤(rùn)色、圖表調(diào)整、格式修改等工作模塊。

    下游分析針對(duì)LASSO獲得的基因模型（或稱基因Panel）的驗(yàn)證：1.計(jì)算風(fēng)險(xiǎn)指數(shù)RiskScore2.繪制ROC曲線、DCA曲線、列線圖進(jìn)行驗(yàn)證3.繪制生KM存曲線對(duì)基因模型中的基因進(jìn)行解釋和分析：1.基因注釋2.靶向藥物分析應(yīng)用示例：文獻(xiàn)1：PrognosticandpredictivevalueofamicroRNAsignatureinstageIIcoloncancer:amicroRNAexpressionanalysis.于2013年12月發(fā)表在LancetOncol.，影響因子。一個(gè)miRNA特征集在stageII結(jié)腸*的預(yù)后預(yù)測(cè)作用分析文章對(duì)stageII結(jié)腸*組織和*旁正常組織的miRNA芯片數(shù)據(jù)進(jìn)行了差異表達(dá)分析，并通過(guò)LASSOCox回歸對(duì)獲得的差異表達(dá)miRNA進(jìn)行篩選，獲得了6個(gè)miRNA的可以預(yù)測(cè)預(yù)后情況的miRNA特征集。文獻(xiàn)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(xùn)練集和測(cè)試集，首先分析獲得了**干細(xì)胞相關(guān)的miRNA，接著通過(guò)LASSO對(duì)**干細(xì)胞相關(guān)的miRNA進(jìn)行篩選，構(gòu)建了10個(gè)miRNA的預(yù)后預(yù)測(cè)模型，并計(jì)算風(fēng)險(xiǎn)指數(shù)繪制了生存曲線和ROC曲線。 WGCNA其譯為加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析。遼寧數(shù)據(jù)庫(kù)建設(shè)數(shù)據(jù)科學(xué)售后分析

根據(jù)委托方提供的參考文獻(xiàn)和要求進(jìn)行個(gè)性化特定分析。山東公共數(shù)據(jù)庫(kù)挖掘數(shù)據(jù)科學(xué)經(jīng)驗(yàn)豐富

    Nomogram列線圖（nomogram，諾莫圖）是在平面直角坐標(biāo)系中，用一簇互不相交的線段表示多個(gè)臨床指標(biāo)或者生物學(xué)特征，用以預(yù)測(cè)一定的臨床結(jié)局或者某類事件發(fā)生的概率的圖。列線圖使預(yù)測(cè)模型的結(jié)果更具有可讀性，可個(gè)性化地計(jì)算特定**患者生存率,在臨床實(shí)踐中有較大的價(jià)值。一般可應(yīng)用的研究方向有：將回歸的結(jié)果進(jìn)行可視化呈現(xiàn)，對(duì)個(gè)體樣本給出其發(fā)病風(fēng)險(xiǎn)或比例風(fēng)險(xiǎn)；根據(jù)多個(gè)臨床指標(biāo)或生物學(xué)特征，判斷個(gè)體樣本的疾病分類或特征。基本原理：列線圖的理論于1884年提出，**早用于工程學(xué)。它能夠?qū)?fù)雜的計(jì)算公式以圖形的方式，快速、直觀、精確的展現(xiàn)出來(lái)。列線圖通過(guò)構(gòu)建多因素回歸模型（例如Cox回歸、Logistic回歸等），根據(jù)模型中各個(gè)影響因素對(duì)結(jié)局變量的影響程度的高低，即回歸系數(shù)的大小，給每個(gè)影響因素的每個(gè)取值水平進(jìn)行賦分。將各個(gè)評(píng)分相加得到總評(píng)分，通過(guò)總評(píng)分與結(jié)局事件發(fā)生概率之間的函數(shù)轉(zhuǎn)換關(guān)系，從而計(jì)算出該個(gè)體結(jié)局事件的預(yù)測(cè)概率。校準(zhǔn)曲線（calibrationcurve）為實(shí)際發(fā)生率和預(yù)測(cè)發(fā)生率的散點(diǎn)圖，常于用于化工行業(yè)溶液配制。在這里通過(guò)觀察預(yù)測(cè)值與實(shí)際值相差情況，判斷基于回歸模型構(gòu)建列線圖的有效性。 山東公共數(shù)據(jù)庫(kù)挖掘數(shù)據(jù)科學(xué)經(jīng)驗(yàn)豐富