天津数据库建设数据科学专业服务

    GSEA全名为GeneSetEnrichmentAnalysis（基因集富集分析）。用以分析特定基因集（如关注的GO条目或KEGGPathway）在两个生物学状态（如**与对照，高龄与低龄）中是否存在差异。能够研究基因变化的生物学意义。SubtypeGSEA是在GSEA的基础上对不同亚型样本中重要通路的富集情况进行组间比较，能直观比较不同亚型中相同通路富集情况。基本原理GSEA主要分为基因集进行排序、计算富集分数（EnrichmentScore，ES）、估计富集分数的***性水平并进行多重假设检验三个步骤。**步对输入的所有基因集L进行排序，通常来说初始输入的基因数据为表达矩阵，排序的过程相当于特定两组中（case-control、upper-lower等等）基因差异表达分析的过程。根据所有基因在两组样本的差异度量不同（共有六种差异度量，默认是signal2noise，GSEA官网有提供公式，也可以选择较为普遍的foldchange)，对基因进行排序，并且Z-score标准化。第二步是GSEA的**步骤，通过分析预先定义基因集S在**步获得的基因序列上的分布计算富集指数EnrichmentScore，并绘制分布趋势图Enrichmentplot。每个基因在基因集S的EnrichmentScore取决于这个基因是否属于基因集S及其差异度量（如foldchange）。 参考国内外数据资源，根据需求制定构建方案。天津数据库建设数据科学专业服务

    Adonis（置换多元方差分析，分析不同分组或环境因子对样品差异的解释度）：ADONIS置换多元方差分析（Permutationalmultivariateanalysisofvariance，PERMANOVA），又称非参数多因素方差分析（nonparametricmultivariateanalysisofvariance）、或者ADONIS分析。使用PERMANOVA可分析不同分组因素对样品差异的解释度，并使用置换检验进行***性统计。基本原理：置换多元方差分析（PERMANOVA，Adonis）是一种基于F统计的方差分析，依据距离矩阵对总方差进行分解的非参数多元方差分析方法。基本步骤是基于OTU丰度表，计算样本间样本间Bray-curtis距离，然后adonis分析生成结果，绘图展示。术语解读：OTU：operationaltaxonomicunits，分类单元Df：自由度，其值=所比较的分组数量-1；SumsOfSqs：即Sumsofsquares，总方差，又称离差平方和；MeanSqs：即Meansquares，均方（差）；FModel：F检验值；R2：即Variation(R2)，方差贡献，表示不同分组对样品差异的解释度，即分组方差与总方差的比值，R2越大表示分组对差异的解释度越高；Pr(>F)：***性p值，小于***。数据要求：OTU丰度表或者样本距离矩阵。 组学实验数据科学经验丰富根据委托方提供的参考文献和要求进行个性化特定分析。

    **初目的：对手上的**样本（或病人）进行分型分析，期望找到不同的亚型，并对应不同的临床特征。可扩展应用到：所有样本的亚型分析，用于样本的特征分析。数据可用转录组、基因组、甲基化、蛋白质组等。输入数据格式：一个数值矩阵，行是基因或者其他特征，列是样本。本分析要求样本数要多，有利于亚型的分析。参考文献：(2):：本文利用室管膜瘤病人的甲基化数据，首先进行了tSNE分型，随后又采用了新的方法spectralclustering进行分类分析，作者比较了两种分类方法。使用spectralclustering的分类，鉴定了每一种**亚型的特异性表达模式。并且发现spectralclustering的分类和病人的临床特征有关，从而提出一种新的室管膜瘤亚型，可用于临床的筛选和检测。

    GSEA数据要求1、通常为表达谱芯片或测序数据（已经过预处理），也可以是其他形式可排序的基因数据。2、具有已知生物学意义（GO、Pathway、**特征基因集等）的基因集。下游分析：得到GSEA结果之后的分析有：1.基因注释：1、绘制基因集富集趋势图（Enrichmentplot）横坐标：按差异表达差异排序的基因序列。数值越小（偏向左端）的基因**在shICAM-1组中有越高倍数的差异表达，数值越小（偏向右端）的基因在对照组中有越高倍数的差异表达。纵坐标：上方的纵坐标为富集打分ES，ES是一个动态的值，沿着基因序列，找到条目中的基因则增加评分，否则减少评分。通常用偏离0**远的值作为**终富集打分。下方的纵坐标**基因表达与表型的关联，***值越大**关联越强，数值大于0**正相关，小于0则**负相关。 指导科研方案纠偏，更好更快发表文章。

数据要求：RNA-seq和ChIP-seq等数据。应用示例：文献1：Genomic landscape and evolution of metastatic chromophobe renal cell carcinoma.（于2017年6月发表在JCI Insight.，影响因子6.041）。本文对转移性肾嫌色细胞*进行了系统的基因组研究，文中绘制基因流览图对整个基因组数据进行了可视化。转移性肾嫌色细胞*的基因组景观和演化。 云生物立足于上海，提供相关数据科研咨询与服务。湖北数据科学方案

基因组数据全链条处理。天津数据库建设数据科学专业服务

    LASSO是一种机器学习算法，通常被用来构建可以预测预后情况的基因模型。也可以筛选与特定性状相关性强的基因。LASSO对于高维度、强相关、小样本的生存资料数据有较好的效果。LASSO的基本思想是在回归系数的***值之和小于一个常数的约束条件下，使残差平方和**小化，从而使某些回归系数严格等于0，来得到可以解释的模型。该方法的估计参数λ为调整参数。随着l的增加，项就会减小，这时候一些自变量的系数就逐渐被压缩为0，以此达到对高维资料进行降维的目的。LASSO方法的降维是通过惩罚回归系数的数量来实现的。基本原理LASSO回归的特点是在拟合广义线性模型的同时进行变量筛选(VariableSelection)和复杂度调整(Regularization)。因此，不论目标因变量(dependent/responsevaraible)是连续的(continuous)，还是二元或者多元离散的(discrete)，都可以用LASSO回归建模然后预测。这里的变量筛选是指不把所有的变量都放入模型中进行拟合，而是有选择的把变量放入模型从而得到更好的性能参数。复杂度调整是指通过一系列参数控制模型的复杂度，从而避免过度拟合(Overfitting)。对于线性模型来说，复杂度与模型的变量数有直接关系，变量数越多，模型复杂度就越高。

天津数据库建设数据科学专业服务