術(shù)語(yǔ)解釋?zhuān)篊ox回歸：又稱(chēng)比例風(fēng)險(xiǎn)回歸模型(proportionalhazardsmodel，簡(jiǎn)稱(chēng)Cox模型)，是由英國(guó)統(tǒng)計(jì)學(xué)家。該模型以生存結(jié)局和生存時(shí)間為應(yīng)變量，可同時(shí)分析多種因素對(duì)于生存期長(zhǎng)短的影響。Cox模型能分析帶有截尾生存時(shí)間的資料，且不要求估計(jì)資料的生存分布類(lèi)型，因此在醫(yī)學(xué)界被***使用。Logistic回歸：又稱(chēng)邏輯回歸模型，屬于廣義線(xiàn)性模型。邏輯回歸是一種用于解決二分類(lèi)問(wèn)題的分析方法，用于估計(jì)某種事物的可能性。相較于傳統(tǒng)線(xiàn)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(fǎng)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(duì)研究課題的意義。 云生物提供數(shù)據(jù)科學(xué)服務(wù)。四川成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)方案

    PCA主成分分析測(cè)序技術(shù)的發(fā)展使得現(xiàn)在能夠從宏觀角度分析基因表達(dá)，但是也在一定程度上增加了數(shù)據(jù)分析難度。許多基因之間可能存在相關(guān)性，如果分別對(duì)每個(gè)基因進(jìn)行分析，分析往往是孤立的，盲目減少指標(biāo)會(huì)損失很多有用的信息。PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一種使用*****的數(shù)據(jù)降維算法。一般可應(yīng)用的研究方向有：一組基因在多個(gè)分組中的差異情況，多個(gè)基因在該樣本中的差異情況?；驹鞵CA的主要思想是將n維特征映射到k維上，這k維是全新的正交特征也被稱(chēng)為主成分，是在原有n維特征的基礎(chǔ)上重新構(gòu)造出來(lái)的k維特征。PCA的工作就是從原始的空間中順序地找一組相互正交的坐標(biāo)軸，新的坐標(biāo)軸的選擇與數(shù)據(jù)本身是密切相關(guān)的。其中，**個(gè)新坐標(biāo)軸選擇是原始數(shù)據(jù)中方差**的方向，第二個(gè)新坐標(biāo)軸選取是與**個(gè)坐標(biāo)軸正交的平面中使得方差**的，第三個(gè)軸是與第1，2個(gè)軸正交的平面中方差**的。依次類(lèi)推，可以得到n個(gè)這樣的坐標(biāo)軸。通過(guò)這種方式獲得的新的坐標(biāo)軸，我們發(fā)現(xiàn)，大部分方差都包含在前面k個(gè)坐標(biāo)軸中，后面的坐標(biāo)軸所含的方差幾乎為0。于是，我們可以忽略余下的坐標(biāo)軸，只保留前面k個(gè)含有絕大部分方差的坐標(biāo)軸。事實(shí)上。 四川算法還原與開(kāi)發(fā)數(shù)據(jù)科學(xué)方案參考國(guó)內(nèi)外數(shù)據(jù)資源，根據(jù)需求制定構(gòu)建方案。

    GeneInteraction基因互作：基因相互作用指miRNA、lncRNA、circRNA或其它RNA介導(dǎo)DNA轉(zhuǎn)錄，從而影響mRNA的表達(dá)過(guò)程。通俗意義上來(lái)說(shuō)，基因互作關(guān)系指基于序列預(yù)測(cè)的靶基因?qū)?。miRNA通過(guò)與靶mRNA的結(jié)合，或促使mRNA降解，或阻礙其翻譯，從而***目的基因的表達(dá)。競(jìng)爭(zhēng)性?xún)?nèi)源RNA網(wǎng)絡(luò)是靶基因預(yù)測(cè)的研究深入，簡(jiǎn)稱(chēng)ceRNA網(wǎng)絡(luò)。通過(guò)進(jìn)行ceRNA網(wǎng)絡(luò)的分析，我們能從一個(gè)更為宏觀的角度來(lái)解釋轉(zhuǎn)錄體如何構(gòu)建基因表達(dá)調(diào)控網(wǎng)絡(luò)，從而進(jìn)一步挖掘基因在其中的調(diào)控機(jī)制?；驹恚簃iRNA主要通過(guò)與靶基因的非翻譯區(qū)（UTR）結(jié)合而發(fā)揮其作用，對(duì)miRNA和mRNA、lncRNA、circRNA結(jié)合進(jìn)行的預(yù)測(cè)稱(chēng)為靶基因預(yù)測(cè)。靶基因預(yù)測(cè)使用軟件根據(jù)miRNA和靶基因間的結(jié)合的規(guī)律預(yù)測(cè)結(jié)合基因?qū)?。在生物體內(nèi)，miRNA可以通過(guò)與proteincoding特異性結(jié)合，影響相關(guān)基因的表達(dá)，從而參與調(diào)控細(xì)胞內(nèi)的各項(xiàng)功能。ceRNA具有miRNA結(jié)合位點(diǎn)，能后競(jìng)爭(zhēng)性地結(jié)合miRNA，***miRNA對(duì)靶基因的調(diào)控。例如lncRNA與miRNA競(jìng)爭(zhēng)性結(jié)合，影響miRNA調(diào)控mRNA的過(guò)程，**終導(dǎo)致的mRNA表達(dá)失調(diào)。我們使用基于序列預(yù)測(cè)的軟件對(duì)差異分析得到的miRNA與mRNA，lncRNA，circRNA進(jìn)行靶點(diǎn)預(yù)測(cè)和ceRNA網(wǎng)絡(luò)分析。

三角坐標(biāo)統(tǒng)計(jì)圖是采用數(shù)字坐標(biāo)形式來(lái)表現(xiàn)三項(xiàng)要素的數(shù)字信息圖像。三角形坐標(biāo)圖常用百分?jǐn)?shù)（%）來(lái)表示某項(xiàng)要素與整體的結(jié)構(gòu)比例。三條邊分別表示三個(gè)不同分量，三個(gè)頂點(diǎn)可以看作是三個(gè)原點(diǎn)。三角圖可以展示某特定值在一個(gè)整體中不同類(lèi)型的分布。在生物信息中三角圖可以方便地展示3種不同疾病或者3個(gè)不同分組之間某個(gè)指標(biāo)的相關(guān)性。

數(shù)據(jù)要求

多個(gè)樣本的三個(gè)變量值，或者多個(gè)基因在三個(gè)不同分組中的數(shù)據(jù)值，可以是突變頻率數(shù)據(jù)、基因表達(dá)數(shù)據(jù)、甲基化數(shù)據(jù)等。 生物醫(yī)學(xué)科研領(lǐng)域的組學(xué)數(shù)據(jù)處理。

    immune-network免疫網(wǎng)絡(luò)**微環(huán)境（TME）是**周?chē)沫h(huán)境，包括周?chē)?，免疫?xì)胞，成纖維細(xì)胞，信號(hào)分子和細(xì)胞外基質(zhì)（ECM）。**與周?chē)h(huán)境密切相關(guān)，不斷相互作用。**可以通過(guò)釋放細(xì)胞外信號(hào)，促進(jìn)**血管生成和誘導(dǎo)外周免疫耐受來(lái)影響微環(huán)境，而微環(huán)境中的免疫細(xì)胞可以影響*細(xì)胞的生長(zhǎng)和進(jìn)化。免疫細(xì)胞泛指所有參與免疫反應(yīng)的細(xì)胞，也特指能識(shí)別抗原，產(chǎn)生特異性免疫應(yīng)答的淋巴細(xì)胞等。主要包括T淋巴細(xì)胞、B淋巴細(xì)胞、單核細(xì)胞、巨噬細(xì)胞、粒細(xì)胞、肥大細(xì)胞、輔佐細(xì)胞，以及它們的前體細(xì)胞等，是免疫系統(tǒng)的功能單元。**微環(huán)境中免疫細(xì)胞之間相互作用形成免疫網(wǎng)絡(luò)，網(wǎng)絡(luò)設(shè)立可以清晰了解**微環(huán)境中免疫細(xì)胞之間的影響機(jī)制。應(yīng)用場(chǎng)景用網(wǎng)絡(luò)圖同時(shí)展示相關(guān)關(guān)系、pvalue、聚類(lèi)/分類(lèi)結(jié)果、跟預(yù)后的關(guān)系。-例如例文中各細(xì)胞之間的相關(guān)關(guān)系、跟預(yù)后的關(guān)系?；驹恚好庖呦到y(tǒng)遍布全身，涉及多種細(xì)胞、***、蛋白質(zhì)和組織。它可以區(qū)分我們的組織和外來(lái)組織自我和非自我。死亡和有缺陷的細(xì)胞也會(huì)被免疫系統(tǒng)識(shí)別和***。如果免疫系統(tǒng)遇到病原體就會(huì)產(chǎn)生免疫反應(yīng)。免疫細(xì)胞泛指所有參與免疫反應(yīng)的細(xì)胞，也特指能識(shí)別抗原，產(chǎn)生特異性免疫應(yīng)答的淋巴細(xì)胞等。 結(jié)合WGCNA的ceRNA分析。四川成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)方案

蛋白組代謝組個(gè)性化分析。四川成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)方案

    STEM基因表達(dá)趨勢(shì)分析數(shù)據(jù)要求表達(dá)譜芯片或測(cè)序數(shù)據(jù)（已經(jīng)過(guò)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(cè)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(dòng)態(tài)占據(jù)在B細(xì)胞中對(duì)序列表觀遺傳和轉(zhuǎn)錄過(guò)程的影響該文獻(xiàn)采用基因表達(dá)趨勢(shì)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(lái)尋找EBF1對(duì)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(shì)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(lái)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(duì)方式。 四川成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)方案