北京临床统计数据科学

    下游分析针对LASSO获得的基因模型（或称基因Panel）的验证：1.计算风险指数RiskScore2.绘制ROC曲线、DCA曲线、列线图进行验证3.绘制生KM存曲线对基因模型中的基因进行解释和分析：1.基因注释2.靶向药物分析应用示例：文献1：PrognosticandpredictivevalueofamicroRNAsignatureinstageIIcoloncancer:amicroRNAexpressionanalysis.于2013年12月发表在LancetOncol.，影响因子。一个miRNA特征集在stageII结肠*的预后预测作用分析文章对stageII结肠*组织和*旁正常组织的miRNA芯片数据进行了差异表达分析，并通过LASSOCox回归对获得的差异表达miRNA进行筛选，获得了6个miRNA的可以预测预后情况的miRNA特征集。文献2：PrognosticValueofaBCSC-associatedMicroRNASignatureinHormoneReceptor-PositiveHER2-NegativeBreastCancer（于2016年9月发表在EBioMedicine.上，影响因子）文章将符合条件的患者划分为训练集和测试集，首先分析获得了**干细胞相关的miRNA，接着通过LASSO对**干细胞相关的miRNA进行筛选，构建了10个miRNA的预后预测模型，并计算风险指数绘制了生存曲线和ROC曲线。 基因富集分析是在一组基因中找到具有一定基因功能特征和生物过程的基因集的分析方法。北京临床统计数据科学

Bubbles可以同时展示pvalue和表达量。例如展示motif的pvalue和motif对应的转录因子的表达量，方便快速看出转录因子富集且高表达所在的group，预示着该分组对细胞状态的改变（例如细胞分化、转移、应激）起关键调控作用；例如做基因功能富集分析时，展示富集的通路qvalue和基因数量或geneRatio。

基本原理：

Bubbles的实质是分组数据下基因表达量或通路内基因数量的可视化，同时可以展示pvalue。

数据要求：

表达矩阵，分组 北京临床统计数据科学指导科研方案纠偏，更好更快发表文章。

Inmmune gene

免疫学研究是目前科研领域争相研究的热点，**免疫细胞浸润是其中一种。**免疫细胞浸润是指免疫细胞从血液中移向**组织发挥作用。我们从**组织中分离出浸润免疫细胞含量，计算基因与浸润免疫细胞含量的相关性，筛选出影响免疫浸润的候选基因。

基本原理：

从基因矩阵数据中提取免疫细胞含量，生成免疫细胞含量矩阵；

计算目标基因与浸润免疫细胞含量的相关性，筛选与浸润免疫细胞含量高度相关的基因。

术语解读：

相关性系数（pearson,spearman, kendall）反应两个变量之间变化趋势的方向以及程度。相关系数范围为-1到+1。0表示两个变量不相关，正值表示正相关，负值表示负相关，值越大表示相关性越强。

数据要求：

**数据表达矩阵

    ROC机器学习受试者工作特征曲线（receiveroperatingcharacteristiccurve，简称ROC曲线），又称为感受性曲线（sensitivitycurve），是用来验证一个分类器（二分）模型的性能的。一般应用于直观展示敏感性和特异性连续变量的综合指标，如比较多个biomarker或临床参数的诊断表现、比较多个算法的分类效果。基本原理ROC曲线工作原理是，向模型中输入已知正负类的一组数据，对比模型对该组数据的预测，衡量这个模型的性能。术语解读:1、TP（TruePositive,真正,TP）被模型预测为正的正样本（原来为正预测为正）2、TN（TrueNegative,真负,TN）被模型预测为负的负样本（原来为负预测为负）3、FP（FalsePositive,假正,FP）被模型预测为正的负样本（原来为负预测为正）4、FN（FalseNegative,假负,FN）被模型预测为负的正样本（原来为正预测为负）5、真正类率(TruePostiveRate)TPR:TP/(TP+FN),**分类器预测的正类中实际正实例占所有正实例的比例。Sensitivity6、假正类率(FalsePostiveRate)FPR:FP/(FP+TN)，**分类器预测的负类中预测为正实例(实际为负实例)占所有负实例的比例。1-Specificity7、真负类率(TrueNegativeRate)TNR:TN/(FP+TN)。 OmicCircos图可以对感兴趣的多个基因，展示其染色体的位置、拷贝数变异等多个特征。

    CNV(拷贝数变异分析)：CNV（copy-numbervariant）是指拷贝数目变异，也称拷贝数目多态性（copy-numberpolymorphism，CNP），是一个大小介于1kb至3MB的DN**段的变异，在人类及动植物基因组中***分布，主要表现为亚显微水平的缺失或重复。CNV是近年来基因组学的研究热点，是许多人类疾病（如**、遗传性疾病、心血管疾病等）发***展的重要分子机制之一。CNV的分析多见于易于发生染色体结构变异的**研究中，也可用于复杂的神经精神疾病的病因学研究，如智力障碍、帕金森病和孤独症等，也可用于其他疾病的易感性分析，如银屑病、克罗恩病和一些自身免疫系统疾病。CNV研究既可用于单个的病例分析，找到遗传高度异质性的个体致病的遗传学基础，如智力低下的病因诊断；也可用于大量的病例一对照分析，患病群体的常见CNV变异研究，还可用于**家系的研究，如疾病相关新发CNV的研究。基本原理目前主流的CNV检验方法有RNA-seq和SNPArray，已有研究表明使用转录组数据分析到的CNV情况和。CNV分析的**步为筛选somaticCNVs。对正常人来说，基因组应该是二倍体的，所以凡是测到非2倍体的地方都是CNV。但是CNV本身就是人群遗传物质多样性的体现，所以对**样本来说。 云生物提供数据科学服务。辽宁成果发表指导数据科学方案

两个实验组的差异基因比较。北京临床统计数据科学

    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。

北京临床统计数据科学