湖北组学数据处理数据科学服务

    **突变频谱分析（突变模式）：目的：输入突变数据，用非负矩阵分解方法NMF分析突变特征，描述样本集的突变模式。什么是突变模式：这也是对TCGA数据的深度挖掘，从而提出的一个统计学概念。文章（Signaturesofmutationalprocessesinhumancancer）研究了30种**，发现21种不同的mutationsignature。如果理解了，就会发现这个其实蛮简单的，他们并不重新测序，只是拿已经有了的TCGA数据进行分析，而且居然是发表在nature上面！文章研究了4,938,362mutationsfrom7,042cancers样本，突变频谱的概念只是针对于somatic的mutation。一般是对**病人的**组织和*旁组织配对测序，过滤得到的somaticmutation，一般一个样本也就几百个somatic的mutation。还有其它文章（Mutationalsignatures:thepatternsofsomaticmutationshiddenincancergenomes）也是这样分析的从2013年提出到现在，已经有30种mutationsiganures，在cosmic数据库有详细记录，更新见：MutationalSignatures。它的概念就是：根据突变上下文分成96类，然后每类突变的频率不一样画一个条形图，可视化展现。应用场景：突变特征定义：体细胞突变是多个突变过程如DNA修复缺陷，暴露于外源或内源诱变剂等综合结果。 糖尿病药物基因组学分析找到新的作用靶点。湖北组学数据处理数据科学服务

    TMB**突变负荷**突变负荷（TMB）作为免疫疗法的生物标志物，能够较好的预测患者免疫***的疗效。基于**突变负荷，可以从一种新的角度探寻基因跟免疫及预后的关系。一般应用场景：基于TMB预测不同性状的免疫***疗效、不同基因表达或突变对免疫***潜在的影响。基本原理：**突变负荷(TumorMutationBurden，TMB)，通常被定义为一份**样本中，所评估基因的外显子编码区每兆碱基中发生置换和插入/缺失突变的总数。近年许多研究都报道了TMB与PD-1/PD-L1抑制剂的疗效高度相关，同时基于TMB进行的临床研究都得到了较好的结果。这让一些**患者可以通过TMB标志物对免疫疗法的疗效进行一定程度的预测。结合TMB，可以从免疫***角度探寻关键基因、探究不同亚型**存在的不同发病机制。数据要求：基因突变数据，临床或其他分类数据。 天津生物/药物信息学分析数据科学微生物多样性分析桌面软件。

    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。

    pancancer泛**图谱泛*研究是通过整合不同**类型、不同组织起源的**表达数据，查找**之间的共性或者差异的过程。通常使用**数据信息较为***的TCGA数据，通过分裂小提琴图展示某个基因在TCGA**和正常组织中的表达差异。分裂小提琴图(ViolinPlot)结合了箱形图和密度图的特征，主要用来显示数据的分布形状，它一般应用于对比某一基因在TCGA**组织和正常组织基因表达量TPM值或其它表达量数据。基本原理：小提琴图(ViolinPlot)使用一组数据中的最小值、**四分位数、中位数、第三四分位数和**值来反映数据分布的中心位置和散布范围，将多组数据的小提琴图画在同一坐标上，可以清晰地显示各组数据的分布差异。分裂小提琴图在小提琴图的基础上又加入了分组对比项，便于观察多**类型在某一基因上的表达分布情况，或者某一基因在某一**上，其疾病与正常的对比表达差异情况。 云生物数据分析需要多久？

    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。 软硬件配套，完成数据收集、整理、检索、分析与智能化开发工作。云南组学数据处理数据科学经验丰富

自有服务器机房，可随时调用各计算平台算力，且团队成员有多年科研经历。湖北组学数据处理数据科学服务

    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。 湖北组学数据处理数据科学服务