術(shù)語解釋：Cox回歸：又稱比例風(fēng)險回歸模型(proportionalhazardsmodel，簡稱Cox模型)，是由英國統(tǒng)計學(xué)家。該模型以生存結(jié)局和生存時間為應(yīng)變量，可同時分析多種因素對于生存期長短的影響。Cox模型能分析帶有截尾生存時間的資料，且不要求估計資料的生存分布類型，因此在醫(yī)學(xué)界被***使用。Logistic回歸：又稱邏輯回歸模型，屬于廣義線性模型。邏輯回歸是一種用于解決二分類問題的分析方法，用于估計某種事物的可能性。相較于傳統(tǒng)線性模型，邏輯回歸模型以概率形式輸出結(jié)果，可控性高且結(jié)果可解釋性強(qiáng)。數(shù)據(jù)要求：樣本臨床信息或生物學(xué)特征（基因突變、基因表達(dá)等）樣本的隨訪數(shù)據(jù)（總生存期，生存狀態(tài)）或樣本的分組情況下游分析：1.補(bǔ)充相關(guān)因素的已有相關(guān)研究2.解釋相關(guān)因素對研究課題的意義。 蛋白組代謝組個性化分析。遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)口碑推薦

Inmmune gene

免疫學(xué)研究是目前科研領(lǐng)域爭相研究的熱點，**免疫細(xì)胞浸潤是其中一種。**免疫細(xì)胞浸潤是指免疫細(xì)胞從血液中移向**組織發(fā)揮作用。我們從**組織中分離出浸潤免疫細(xì)胞含量，計算基因與浸潤免疫細(xì)胞含量的相關(guān)性，篩選出影響免疫浸潤的候選基因。

基本原理：

從基因矩陣數(shù)據(jù)中提取免疫細(xì)胞含量，生成免疫細(xì)胞含量矩陣；

計算目標(biāo)基因與浸潤免疫細(xì)胞含量的相關(guān)性，篩選與浸潤免疫細(xì)胞含量高度相關(guān)的基因。

術(shù)語解讀：

相關(guān)性系數(shù)（pearson,spearman, kendall）反應(yīng)兩個變量之間變化趨勢的方向以及程度。相關(guān)系數(shù)范圍為-1到+1。0表示兩個變量不相關(guān)，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)，值越大表示相關(guān)性越強(qiáng)。

數(shù)據(jù)要求：

**數(shù)據(jù)表達(dá)矩陣 遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)口碑推薦基因組數(shù)據(jù)全鏈條處理。

    GeneBodyProfile（對比不同的樣品在某一區(qū)域的信號特征，不**于ChIP-seq、DNase-seq、ATAC-seq數(shù)據(jù)）：GeneBodyProfile表觀遺傳修飾和對基因表達(dá)、細(xì)胞發(fā)育等過程有著深遠(yuǎn)的影響，但相關(guān)的研究還未完善。通過對比不同的樣品在某一區(qū)域的信號特征，了解不同情況下該基因的表觀遺傳情況，幫助更好的了解其發(fā)***展過程。一般應(yīng)用場景：觀察相關(guān)基因轉(zhuǎn)錄起始位點（TSS）、轉(zhuǎn)錄終止位點（TTS）、genebody以及兩側(cè)信號特征；觀察某一功能區(qū)域（CpGi、TSS、TTS、peaksummits或enhancer區(qū)）及其兩側(cè)信號特征。數(shù)據(jù)要求：ChIP-seq、DNase-seq或ATAC-seq數(shù)據(jù)。下游分析：基于展示的基因或功能情況1.補(bǔ)充展示部分的已有相關(guān)研究2.解釋展示部分對研究課題的意義。

    survivalCurve生存分析生存分析（survivalCurve）旨在更好地分析對不同因素對患者預(yù)后的影響，從而找到影響患者疾病的關(guān)鍵因素。生存曲線（Kaplan-Meier曲線）是生存分析的基本步驟，展示分類樣本的生存曲線，從而揭示不同因素對疾病預(yù)后的影響。一般可應(yīng)用的研究方向有：患者的生存期跟基因變異的關(guān)系、藥物處理導(dǎo)致模式動物生存期變化?；驹鞬aplan-Meier法，直接用概率乘法定理估計生存率，故稱乘積極限法（product-limitmethod），是一種非參數(shù)法。相比其他方法，KM曲線能更好的處理刪失數(shù)據(jù)。先將樣本生存時間從小到大排列。若遇到非刪失值和刪失值相同時，非截刪失排在前面。在生存時間后列出與時間相應(yīng)的死亡人數(shù)，期初病例數(shù)（即生存期為某時間時尚存活的病例數(shù)）。然后計算活過每個時間點的生存率。以生存時間為橫坐標(biāo)，生存率為縱坐標(biāo)所作的曲線，即為Kaplan-Meier曲線。術(shù)語解釋風(fēng)險比（HazardRatio,HR）：Kaplan-Meier方法中計算的風(fēng)險比HR為兩分組對生存期影響的比例，用來描述該基因高表達(dá)對生存期的危險程度。該方法中的假設(shè)檢驗為兩組中樣本的生存期是否存在差異，即該因素是否會導(dǎo)致生存期的改變。刪失（censored）：在生存分析中。 指導(dǎo)科研方案糾偏，更好更快發(fā)表文章。

    術(shù)語解讀：中位數(shù)Q2：二分之一分位數(shù)上四分位數(shù)Q1：序列由小到大排序后第(n+1)/4所在位置的數(shù)值下四分位數(shù)Q3：序列由小到大排序后第3（n+1）/4所在位置的數(shù)值**值：非異常范圍內(nèi)的**值，四分位距IQR=Q3-Q1，上限=Q3+最小值：非異常范圍內(nèi)的最小值，下限=數(shù)據(jù)要求：某一基因在各**及對應(yīng)的正常組織的表達(dá)數(shù)據(jù)。應(yīng)用示例1：（于2014年2月發(fā)表于Nature.，影響因子）文章研究了12種主要**類型的突變景觀和意義，它首先使用小提琴圖展示了12種**的突變頻率分布情況，然后查找確定具有***意義的突變基因。應(yīng)用示例2：（于2017年1月發(fā)表在NatCommun.，影響因子）文章研究了Pancancer建模預(yù)測體細(xì)胞突變對轉(zhuǎn)錄程序背景的特異性影響。研究人員基于開發(fā)的模型預(yù)測重要轉(zhuǎn)錄因子，然后使用預(yù)測出的突變轉(zhuǎn)錄因子的活性情況繪制泛*圖譜。 構(gòu)建新的臨床預(yù)測模型。遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)口碑推薦

在基因組上同時展示突變位點和motif，為突變影響轉(zhuǎn)錄因子結(jié)合提供量化和可視化的證據(jù)。遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)口碑推薦

    RNAseqChIP根據(jù)RNA-seq表達(dá)譜分析得到的結(jié)果，繪制對應(yīng)基因啟動子區(qū)的ChIP-seq信號，觀察轉(zhuǎn)錄因子對基因的調(diào)控影響。一般可應(yīng)用場景：測了RNA-seq和ChIP-seq，結(jié)合轉(zhuǎn)錄因子結(jié)合情況分析基因表達(dá)；只測了RNA-seq，補(bǔ)充相關(guān)ChIP-seq公共數(shù)據(jù)?；驹恚喝旧|(zhì)免疫共沉淀技術(shù)（ChromatinImmunoprecipitation，ChIP）也稱結(jié)合位點分析法，是一種研究蛋白質(zhì)與染色質(zhì)結(jié)合情況的方法。將ChIP與第二代測序技術(shù)相結(jié)合的ChIP-Seq，能夠高效地在全基因組范圍內(nèi)檢測與組蛋白、轉(zhuǎn)錄因子等互作的DNA區(qū)段。轉(zhuǎn)錄組測序RNA-seq，獲取的轉(zhuǎn)錄組基因表達(dá)情況，結(jié)合ChIP-seq數(shù)據(jù)，可以從更宏觀的角度分析轉(zhuǎn)錄因子調(diào)控的對基因表達(dá)的影響。數(shù)據(jù)要求：基因列表，ChIP-seq數(shù)據(jù)。 遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)口碑推薦