術(shù)語解讀
數(shù)據(jù)降維：
降維就是一種對高維度特征數(shù)據(jù)預處理方法。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，從而實現(xiàn)提升數(shù)據(jù)處理速度的目的。在實際的生產(chǎn)和應用中，降維在一定的信息損失范圍內(nèi)，可以為我們節(jié)省大量的時間和成本。降維也成為應用非常***的數(shù)據(jù)預處理方法。
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PCA分析結(jié)果之后的分析有：
1.對組成主要成分的基因進行后續(xù)分析，探究該情況下關(guān)鍵基因表達情況
2.對組成不同主成分簇的基因進行后續(xù)分析，探究該情況下不同基因集的表達情況 檢測服務及數(shù)據(jù)分析助力取得2020年國自然面上十項、青年基金十八項。山東算法還原與開發(fā)數(shù)據(jù)科學售后服務
GeneInteraction基因互作：基因相互作用指miRNA、lncRNA、circRNA或其它RNA介導DNA轉(zhuǎn)錄，從而影響mRNA的表達過程。通俗意義上來說，基因互作關(guān)系指基于序列預測的靶基因?qū)?。miRNA通過與靶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。競爭性內(nèi)源RNA網(wǎng)絡是靶基因預測的研究深入，簡稱ceRNA網(wǎng)絡。通過進行ceRNA網(wǎng)絡的分析，我們能從一個更為宏觀的角度來解釋轉(zhuǎn)錄體如何構(gòu)建基因表達調(diào)控網(wǎng)絡，從而進一步挖掘基因在其中的調(diào)控機制。基本原理：miRNA主要通過與靶基因的非翻譯區(qū)（UTR）結(jié)合而發(fā)揮其作用，對miRNA和mRNA、lncRNA、circRNA結(jié)合進行的預測稱為靶基因預測。靶基因預測使用軟件根據(jù)miRNA和靶基因間的結(jié)合的規(guī)律預測結(jié)合基因?qū)?。在生物體內(nèi)，miRNA可以通過與proteincoding特異性結(jié)合，影響相關(guān)基因的表達，從而參與調(diào)控細胞內(nèi)的各項功能。ceRNA具有miRNA結(jié)合位點，能后競爭性地結(jié)合miRNA，***miRNA對靶基因的調(diào)控。例如lncRNA與miRNA競爭性結(jié)合，影響miRNA調(diào)控mRNA的過程，**終導致的mRNA表達失調(diào)。我們使用基于序列預測的軟件對差異分析得到的miRNA與mRNA，lncRNA，circRNA進行靶點預測和ceRNA網(wǎng)絡分析。 北京臨床統(tǒng)計數(shù)據(jù)科學售后分析目前能夠?qū)映^50家實驗室。
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。
術(shù)語解讀：
TME: Tumormicroenvironment
TMEscore: TMEsignature score（使用PCA算法計算得到，高意味著對病毒和干擾素免疫***和應答敏感。）
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：
各細胞之間的相關(guān)關(guān)系、pvalue、聚類/分類結(jié)果、跟預后的關(guān)系表。 在基因組上同時展示突變位點和motif，為突變影響轉(zhuǎn)錄因子結(jié)合提供量化和可視化的證據(jù)。
Adonis（置換多元方差分析，分析不同分組或環(huán)境因子對樣品差異的解釋度）：ADONIS置換多元方差分析（Permutationalmultivariateanalysisofvariance，PERMANOVA），又稱非參數(shù)多因素方差分析（nonparametricmultivariateanalysisofvariance）、或者ADONIS分析。使用PERMANOVA可分析不同分組因素對樣品差異的解釋度，并使用置換檢驗進行***性統(tǒng)計?；驹恚褐脫Q多元方差分析（PERMANOVA，Adonis）是一種基于F統(tǒng)計的方差分析，依據(jù)距離矩陣對總方差進行分解的非參數(shù)多元方差分析方法。基本步驟是基于OTU豐度表，計算樣本間樣本間Bray-curtis距離，然后adonis分析生成結(jié)果，繪圖展示。術(shù)語解讀：OTU：operationaltaxonomicunits，分類單元Df：自由度，其值=所比較的分組數(shù)量-1；SumsOfSqs：即Sumsofsquares，總方差，又稱離差平方和；MeanSqs：即Meansquares，均方（差）；FModel：F檢驗值；R2：即Variation(R2)，方差貢獻，表示不同分組對樣品差異的解釋度，即分組方差與總方差的比值，R2越大表示分組對差異的解釋度越高；Pr(>F)：***性p值，小于***。數(shù)據(jù)要求：OTU豐度表或者樣本距離矩陣。 可對接各類公共數(shù)據(jù)庫，切入各類接口，并對公共數(shù)據(jù)庫進行大規(guī)模數(shù)據(jù)挖掘。成果發(fā)表指導數(shù)據(jù)科學服務
承擔各類項目超過400余項。山東算法還原與開發(fā)數(shù)據(jù)科學售后服務
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(guān)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。 山東算法還原與開發(fā)數(shù)據(jù)科學售后服務