上海文章成稿指导数据科学活动

    PPImodule蛋白质互作蛋白质-蛋白质相互作用（protein-proteininteraction,PPI）是指两个或两个以上的蛋白质分子通过非共价键形成蛋白质复合体（proteincomplex）的过程。PPImodule是指共表达蛋白模块或蛋白质相互作用模块。蛋白质相互作用形成人体复杂的蛋白质相互作用网络，对蛋白质相互作用网络进行聚类形成模块从而帮助我们理解细胞的功能。我们一般使用PPImodule把基因列表跟蛋白相互作用网络联系起来。例如RNA-seq获得的差异表达基因，看他们在蛋白相互作用网络中，哪些基因处于同一module。基本原理：蛋白质在细胞中的功能取决于它与其他蛋白质、核酸和小分子相互作用关系，对蛋白质相互作用网络进行聚类形成模块，各个蛋白模块发挥不同的功能，我们将基因列表重叠于模块上，查找基因列表所在的功能模块，从而发现基因列表中的基因可能发挥的细胞功能。我们通过PPI数据库找到共表达蛋白中的module,然后从模块中筛选出基因列表的产物蛋白，筛选出的结果就是基因列表***表达的PPImodule。 诊疗软件开发、算法还原与开发、临床统计等数据科学工作。上海文章成稿指导数据科学活动

    GeneBodyProfile（对比不同的样品在某一区域的信号特征，不**于ChIP-seq、DNase-seq、ATAC-seq数据）：GeneBodyProfile表观遗传修饰和对基因表达、细胞发育等过程有着深远的影响，但相关的研究还未完善。通过对比不同的样品在某一区域的信号特征，了解不同情况下该基因的表观遗传情况，帮助更好的了解其发***展过程。一般应用场景：观察相关基因转录起始位点（TSS）、转录终止位点（TTS）、genebody以及两侧信号特征；观察某一功能区域（CpGi、TSS、TTS、peaksummits或enhancer区）及其两侧信号特征。数据要求：ChIP-seq、DNase-seq或ATAC-seq数据。下游分析：基于展示的基因或功能情况1.补充展示部分的已有相关研究2.解释展示部分对研究课题的意义。 四川组学数据处理数据科学方案我们团队具备完整的数据分析、数据库构建、软件开发团队。

ssGSEA基本原理

对于一个基因表达矩阵，ssGSEA首先对样本的所有基因的表达水平进行排序获得其在所有基因中的秩次rank。然后对于输入的基因集，从基因集中寻找表达数据里存在的基因并计数，并将这些基因的表达水平求和。接着基于上述求值，计算通路中每个基因的富集分数，并进一步打乱基因顺序重新计算富集分数，重复一千次，***根据基因富集分数的分布计算p值整合基因集**终富集分数。

数据要求

1、特定感兴趣的基因集（通常为免疫细胞表面marker genes），列出基因集中基因

2、基因表达矩阵，为经过log2标准化的芯片数据或者RNA-seq count数数据（基因名形式与基因集对应）

下游分析

免疫细胞浸润分数相关性（corralation）分析

    术语解释：Cox回归：又称比例风险回归模型(proportionalhazardsmodel，简称Cox模型)，是由英国统计学家。该模型以生存结局和生存时间为应变量，可同时分析多种因素对于生存期长短的影响。Cox模型能分析带有截尾生存时间的资料，且不要求估计资料的生存分布类型，因此在医学界被***使用。Logistic回归：又称逻辑回归模型，属于广义线性模型。逻辑回归是一种用于解决二分类问题的分析方法，用于估计某种事物的可能性。相较于传统线性模型，逻辑回归模型以概率形式输出结果，可控性高且结果可解释性强。数据要求：样本临床信息或生物学特征（基因突变、基因表达等）样本的随访数据（总生存期，生存状态）或样本的分组情况下游分析：1.补充相关因素的已有相关研究2.解释相关因素对研究课题的意义。 采用机器学习算法对疾病的干性指数进行分型分类研究。

    不同分组的全基因组拷贝数变化的比较：**初目的：不同分组的拷贝数变异在染色体水平和染色体臂水平的展示和比较。应用：不同分组的全基因组拷贝数变化的比较，展示genome-wideDNAcopy-numberprofiles。不同染色体臂的变异与临床表型息息相关。输入数据格式：一个表征每个样本的染色体变异（gain,balance,loss）的数值矩阵和样本分组信息。或者拷贝数的原始结果，可处理成所需矩阵。参考文献:(2):：本文计算出病人的拷贝数变异情况后，按照之前病人的分组比较了不同分组的染色体变异的异同，找到特定的染色体变异模式。确定了各组的特征，如lmonosomy2inPFB2,monosomy8inPFB3,monosomy3inPFB1,andgainof1qinPFB1.。 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。广东诊疗软件开发数据科学欢迎咨询

两个实验组的差异基因比较。上海文章成稿指导数据科学活动

    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。 上海文章成稿指导数据科学活动