山东诊疗软件开发数据科学欢迎咨询

    GSEA分析：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。普通GO/KEGG富集的思路是先筛选差异基因，然后确定这些差异基因的GO/KEGG注释，然后通过超几何分布计算出哪些通路富集到了，再通过p值或FDR等阈值进行筛选。挑选用于富集的基因有一定的主观性，没有关注到的基因的信息会被忽视，所以有一定的局限性。在这种情况下有了GSEA（GeneSetEnrichmentAnalysis），其思路是发表于2005年的Genesetenrichmentanalysis:aknowledge-basedapproachforinterpretinggenome-wideexpressionprofiles。主要是要有两个概念：预先定义的基因集S（基于先验知识的基因注释信息）和待分析基因集L（一般初始输入是表达矩阵）；然后GSEA目的就是为了判断S基因集中的基因是随机分布于L（按差异表达程度对基因进行排序），还是聚集分布在L的顶部或者底部（也就是存在差异性富集）。如果基因集中的基因***富集在L的顶部或者底部，这说明这些基因的表达对定义的分组（预先分组）的差异有***影响（一致性）。在富集分析的理论中。 公共数据库挖掘、诊疗软件开发、算法还原与开发、临床统计等。山东诊疗软件开发数据科学欢迎咨询

    GSEA术语解读Enrichmentscore（ES）ES是GSEA**初的结果，反应关注的基因集S在原始基因数据序列L的顶部或底部富集的程度。ES原理：扫描排序序列，当出现一个基因集S中的基因时，增加ES值，反之减少ES值，一个基因的ES值权重与差异表达度相关。ES是个动态值，**终ES是动态扫描过程中获得的**ES值。如果**终ES为正，表示某一功能基因集S富集在排序序列顶部。ES为负，表示某一基因集S富集在排序序列底部。NES由于ES是根据分析的排序序列中的基因是否在一个基因集S中出现来计算的，但各个基因集S中包含的基因数目不同，且不同功能基因集S与原始数据之间的相关性也不同，因此比较数据中基因在不同基因集S中的富集程度要对ES进行标准化处理，也就是计算NES。NES=某一基因集S的ES/数据集所有随机组合得到的ES平均值，NES是主要的统计量。nominalp-value（普通P值）描述的是针对某一功能基因集S得到的富集得分的统计***性，通常p越小富集性越好。FDR（多重假设检验矫正P值）NES确定后，需要判断其中可能包含的错误阳性发现率。FDR=25%意味着对此NES的判断4次可能错1次。GSEA结果中，高亮显示FDR<25%的富集基因集S。因为从这些功能基因集S中**可能产生有意义的假设。大多数情况下。 山东公共数据库挖掘数据科学专业服务实验室致病类病原微生物数据分析平台。

三角坐标统计图是采用数字坐标形式来表现三项要素的数字信息图像。三角形坐标图常用百分数（%）来表示某项要素与整体的结构比例。三条边分别表示三个不同分量，三个顶点可以看作是三个原点。三角图可以展示某特定值在一个整体中不同类型的分布。在生物信息中三角图可以方便地展示3种不同疾病或者3个不同分组之间某个指标的相关性。

数据要求

多个样本的三个变量值，或者多个基因在三个不同分组中的数据值，可以是突变频率数据、基因表达数据、甲基化数据等。

    Nomogram列线图（nomogram，诺莫图）是在平面直角坐标系中，用一簇互不相交的线段表示多个临床指标或者生物学特征，用以预测一定的临床结局或者某类事件发生的概率的图。列线图使预测模型的结果更具有可读性，可个性化地计算特定**患者生存率,在临床实践中有较大的价值。一般可应用的研究方向有：将回归的结果进行可视化呈现，对个体样本给出其发病风险或比例风险；根据多个临床指标或生物学特征，判断个体样本的疾病分类或特征。基本原理：列线图的理论于1884年提出，**早用于工程学。它能够将复杂的计算公式以图形的方式，快速、直观、精确的展现出来。列线图通过构建多因素回归模型（例如Cox回归、Logistic回归等），根据模型中各个影响因素对结局变量的影响程度的高低，即回归系数的大小，给每个影响因素的每个取值水平进行赋分。将各个评分相加得到总评分，通过总评分与结局事件发生概率之间的函数转换关系，从而计算出该个体结局事件的预测概率。校准曲线（calibrationcurve）为实际发生率和预测发生率的散点图，常于用于化工行业溶液配制。在这里通过观察预测值与实际值相差情况，判断基于回归模型构建列线图的有效性。 多链条批量处理、快速获得研究靶点。

    t-SNE（t分布随机邻域嵌入）是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。t-SNE非线性降维算法通过基于具有多个特征的数据点的相似性识别观察到的簇来在数据中找到模式。另外t-SNE的输出可以作为其他分类算法的输入特征。因为t-SNE算法定义了数据的局部和全局结构之间的软边界。t-SNE几乎可用于所有高维数据集，广泛应用于图像处理，自然语言处理和语音处理。在生物信息中可广泛应用于基因表达数据、基因甲基化数据、基因突变数据等，能够直观地对不同数据集进行比较。基本原理从方法上来讲，t-SNE本质上是基于流行学习(manifoldlearning)的降维算法，不同于传统的PCA和MMD等方法，t-SNE在高维用normalizedGaussiankernel对数据点对进行相似性建模。相应的，在低维用t分布对数据点对进行相似性(直观上的距离)建模，然后用KL距离来拉近高维和低维空间中的距离分布。 协助构建各类科研、临床数据库。山东公共数据库挖掘数据科学专业服务

文稿投稿2个月online 发表。山东诊疗软件开发数据科学欢迎咨询

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。 山东诊疗软件开发数据科学欢迎咨询