四川数据科学共同合作

    GSEA基本原理从方法上来讲，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）。差异度量越大基因的EnrichmentScore权重越大，如果基因在基因集S中则EnrichmentScore取正，反则取负。将基因集L在基因集S里的所有基因的EnrichmentScore一个个加起来，就是Enrichmentplot上的EnrichmentScore趋势，直到EnrichmentScore达到**值，就是基因集S**终的EnrichmentScore。第三步是为了检验第二部获得结果的统计学意义。 构建新的临床预测模型。四川数据科学共同合作

    RNAseqChIP根据RNA-seq表达谱分析得到的结果，绘制对应基因启动子区的ChIP-seq信号，观察转录因子对基因的调控影响。一般可应用场景：测了RNA-seq和ChIP-seq，结合转录因子结合情况分析基因表达；只测了RNA-seq，补充相关ChIP-seq公共数据。基本原理：染色质免疫共沉淀技术（ChromatinImmunoprecipitation，ChIP）也称结合位点分析法，是一种研究蛋白质与染色质结合情况的方法。将ChIP与第二代测序技术相结合的ChIP-Seq，能够高效地在全基因组范围内检测与组蛋白、转录因子等互作的DNA区段。转录组测序RNA-seq，获取的转录组基因表达情况，结合ChIP-seq数据，可以从更宏观的角度分析转录因子调控的对基因表达的影响。数据要求：基因列表，ChIP-seq数据。 云南临床统计数据科学口碑推荐根据委托方提供的参考文献和要求进行个性化特定分析。

    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。

industryTemplate按照斯普林格学术规范化处理准则提供文稿同行**投稿前意见评估。

    术语解读：PPI：蛋白质-蛋白质相互作用(protein-proteininteraction)PPImoduleI：指蛋白质相互作用模块，一个模块指向一个功能数据要求：基因列表应用示例1：（于2018年3月发表在Immunity.，影响因子）T细胞活化过程中产生蛋白质组进行多重定量分析，然后对差异表达蛋白权重聚类，并将聚类蛋白叠加到PPI网络上以识别功能模块。D.模块大小的分布，通过将每个WPC（权重聚类结果）中的蛋白叠加到蛋白-蛋白相互作用(PPI)网络上识别模块。每个模块的蛋白质数量显示出来。E.各个模块及其交互的关系图。圆圈(节点)表示90个模块，圆圈大小与模块大小成比例。边连接共享PPIs的模块。在(F)和(G)中进一步扩展了装箱模块。F.来自WPC3的细胞质和线粒体核糖体的四个互连模块。显示了蛋白质的名称和每个模块的代表性功能术语。G.来自WPC3的蛋白酶体，OXPHOS和线粒体复合物IV途径的模块。 胰腺疾病预后相关长链非编码RNA。重庆成果发表指导数据科学口碑推荐

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。四川数据科学共同合作

    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。

四川数据科学共同合作