GSEA基本原理從方法上來講，GSEA主要分為基因集進(jìn)行排序、計(jì)算富集分?jǐn)?shù)（EnrichmentScore，ES）、估計(jì)富集分?jǐn)?shù)的***性水平并進(jìn)行多重假設(shè)檢驗(yàn)三個(gè)步驟。**步對輸入的所有基因集L進(jìn)行排序，通常來說初始輸入的基因數(shù)據(jù)為表達(dá)矩陣，排序的過程相當(dāng)于特定兩組中（case-control、upper-lower等等）基因差異表達(dá)分析的過程。根據(jù)所有基因在兩組樣本的差異度量不同（共有六種差異度量，默認(rèn)是signal2noise，GSEA官網(wǎng)有提供公式，也可以選擇較為普遍的foldchange)，對基因進(jìn)行排序，并且Z-score標(biāo)準(zhǔn)化。第二步是GSEA的**步驟，通過分析預(yù)先定義基因集S在**步獲得的基因序列上的分布計(jì)算富集指數(shù)EnrichmentScore，并繪制分布趨勢圖Enrichmentplot。每個(gè)基因在基因集S的EnrichmentScore取決于這個(gè)基因是否屬于基因集S及其差異度量（如foldchange）。差異度量越大基因的EnrichmentScore權(quán)重越大，如果基因在基因集S中則EnrichmentScore取正，反則取負(fù)。將基因集L在基因集S里的所有基因的EnrichmentScore一個(gè)個(gè)加起來，就是Enrichmentplot上的EnrichmentScore趨勢，直到EnrichmentScore達(dá)到**值，就是基因集S**終的EnrichmentScore。第三步是為了檢驗(yàn)第二部獲得結(jié)果的統(tǒng)計(jì)學(xué)意義。 提供語言潤色、圖表調(diào)整、格式修改等工作模塊。成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作

    mutationEvents**已存在的基因突變會影響其他基因的突變，突變分析時(shí)確定這些基因突變潛在的相互作用，能更好地了解健康細(xì)胞轉(zhuǎn)化為*細(xì)胞的過程和機(jī)制。DISCOVER，一種針對基因突變的統(tǒng)計(jì)檢驗(yàn)工具，幫助尋找***的基因突變間互斥性和共現(xiàn)性。一般可應(yīng)用的研究場景：探索一組基因是否在**中存在互斥性和共現(xiàn)性；基于基因突變的互斥性和共現(xiàn)性，研究**發(fā)***展的潛在機(jī)制?；驹恚篋ISCOVER（DiscreteIndependenceStatisticControllingforObservationswithVaryingEventRates）是一種用于檢測**基因組數(shù)據(jù)的共現(xiàn)性和互斥性的新統(tǒng)計(jì)檢驗(yàn)方法。與Fisher'sexacttest等用于這些任務(wù)的傳統(tǒng)方法不同的是，DISCOVER基于一個(gè)空模型，該模型考慮了總體**特異性的變化率，從而決定變化率的同時(shí)發(fā)生的頻率是否高于或低于預(yù)期。該方法避免了共現(xiàn)檢測中的虛假關(guān)聯(lián)，提高了檢測互斥性的統(tǒng)計(jì)能力。DISCOVER的性能與其他幾個(gè)已發(fā)布的互斥性測試相比，在整個(gè)***性水平范圍內(nèi)，DISCOVER在控制假陽性率的同時(shí)更敏感。 數(shù)據(jù)庫建設(shè)數(shù)據(jù)科學(xué)歡迎咨詢WGCNA其譯為加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析。

    GSEA全名為GeneSetEnrichmentAnalysis（基因集富集分析）。用以分析特定基因集（如關(guān)注的GO條目或KEGGPathway）在兩個(gè)生物學(xué)狀態(tài)（如**與對照，高齡與低齡）中是否存在差異。能夠研究基因變化的生物學(xué)意義。SubtypeGSEA是在GSEA的基礎(chǔ)上對不同亞型樣本中重要通路的富集情況進(jìn)行組間比較，能直觀比較不同亞型中相同通路富集情況?；驹鞧SEA主要分為基因集進(jìn)行排序、計(jì)算富集分?jǐn)?shù)（EnrichmentScore，ES）、估計(jì)富集分?jǐn)?shù)的***性水平并進(jìn)行多重假設(shè)檢驗(yàn)三個(gè)步驟。**步對輸入的所有基因集L進(jìn)行排序，通常來說初始輸入的基因數(shù)據(jù)為表達(dá)矩陣，排序的過程相當(dāng)于特定兩組中（case-control、upper-lower等等）基因差異表達(dá)分析的過程。根據(jù)所有基因在兩組樣本的差異度量不同（共有六種差異度量，默認(rèn)是signal2noise，GSEA官網(wǎng)有提供公式，也可以選擇較為普遍的foldchange)，對基因進(jìn)行排序，并且Z-score標(biāo)準(zhǔn)化。第二步是GSEA的**步驟，通過分析預(yù)先定義基因集S在**步獲得的基因序列上的分布計(jì)算富集指數(shù)EnrichmentScore，并繪制分布趨勢圖Enrichmentplot。每個(gè)基因在基因集S的EnrichmentScore取決于這個(gè)基因是否屬于基因集S及其差異度量（如foldchange）。

    STEM基因表達(dá)趨勢分析數(shù)據(jù)要求表達(dá)譜芯片或測序數(shù)據(jù)（已經(jīng)過預(yù)處理）下游分析得到***富集的時(shí)間表達(dá)模式之后的分析有：1.時(shí)間表達(dá)模式中基因的功能富集2.時(shí)間表達(dá)模式中基因表達(dá)與性狀之間的相關(guān)性挖掘模塊的關(guān)鍵信息：1.找到時(shí)間表達(dá)模式中的**基因2.利用關(guān)系預(yù)測該時(shí)間表達(dá)模式功能文獻(xiàn)1：DynamicEBF1occupancydirectssequentialepigeneticandtranscriptionaleventsinB-cellprogramming（于2018年1月發(fā)表在GenesDev.，影響因子）EBF1動態(tài)占據(jù)在B細(xì)胞中對序列表觀遺傳和轉(zhuǎn)錄過程的影響該文獻(xiàn)采用基因表達(dá)趨勢分析，探尋了EBF1誘導(dǎo)前后25kb轉(zhuǎn)錄起始位點(diǎn)內(nèi)基因轉(zhuǎn)錄水平的差異，來尋找EBF1對特定功能基因的影響以及造成影響的時(shí)間節(jié)點(diǎn)。文獻(xiàn)2：ComprehensivetranscriptionalprofilingofNaCl-stressedArabidopsisrootsrevealsnovelclassesofresponsivegenes（于2016年10月發(fā)表在BMCPlantBiol.，影響因子）該文獻(xiàn)采用基因表達(dá)趨勢分析，研究了高濃度鹽水作用不同時(shí)間下擬南芥根的基因表達(dá)差異，來探尋在遇到高濃度鹽水時(shí)擬南芥在基因?qū)用嫔系膽?yīng)對方式。 參考國內(nèi)外數(shù)據(jù)資源，根據(jù)需求制定構(gòu)建方案。

    不同分組的全基因組拷貝數(shù)變化的比較：**初目的：不同分組的拷貝數(shù)變異在染色體水平和染色體臂水平的展示和比較。應(yīng)用：不同分組的全基因組拷貝數(shù)變化的比較，展示genome-wideDNAcopy-numberprofiles。不同染色體臂的變異與臨床表型息息相關(guān)。輸入數(shù)據(jù)格式：一個(gè)表征每個(gè)樣本的染色體變異（gain,balance,loss）的數(shù)值矩陣和樣本分組信息?；蛘呖截悢?shù)的原始結(jié)果，可處理成所需矩陣。參考文獻(xiàn):(2):：本文計(jì)算出病人的拷貝數(shù)變異情況后，按照之前病人的分組比較了不同分組的染色體變異的異同，找到特定的染色體變異模式。確定了各組的特征，如lmonosomy2inPFB2,monosomy8inPFB3,monosomy3inPFB1,andgainof1qinPFB1.。 circos圖通過圓圈和連線展示多個(gè)亞組之間的關(guān)系，包括且不限于基因、基因片段、亞型。成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作

利用甲基化數(shù)據(jù)分析樣本的拷貝數(shù)變異。成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作

Bubbles可以同時(shí)展示pvalue和表達(dá)量。例如展示motif的pvalue和motif對應(yīng)的轉(zhuǎn)錄因子的表達(dá)量，方便快速看出轉(zhuǎn)錄因子富集且高表達(dá)所在的group，預(yù)示著該分組對細(xì)胞狀態(tài)的改變（例如細(xì)胞分化、轉(zhuǎn)移、應(yīng)激）起關(guān)鍵調(diào)控作用；例如做基因功能富集分析時(shí)，展示富集的通路qvalue和基因數(shù)量或geneRatio。

基本原理：

Bubbles的實(shí)質(zhì)是分組數(shù)據(jù)下基因表達(dá)量或通路內(nèi)基因數(shù)量的可視化，同時(shí)可以展示pvalue。

數(shù)據(jù)要求：

表達(dá)矩陣，分組 成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作