广东数据科学

    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。 OmicCircos图可以对感兴趣的多个基因，展示其染色体的位置、拷贝数变异等多个特征。广东数据科学

    Adonis（置换多元方差分析，分析不同分组或环境因子对样品差异的解释度）：ADONIS置换多元方差分析（Permutationalmultivariateanalysisofvariance，PERMANOVA），又称非参数多因素方差分析（nonparametricmultivariateanalysisofvariance）、或者ADONIS分析。使用PERMANOVA可分析不同分组因素对样品差异的解释度，并使用置换检验进行***性统计。基本原理：置换多元方差分析（PERMANOVA，Adonis）是一种基于F统计的方差分析，依据距离矩阵对总方差进行分解的非参数多元方差分析方法。基本步骤是基于OTU丰度表，计算样本间样本间Bray-curtis距离，然后adonis分析生成结果，绘图展示。术语解读：OTU：operationaltaxonomicunits，分类单元Df：自由度，其值=所比较的分组数量-1；SumsOfSqs：即Sumsofsquares，总方差，又称离差平方和；MeanSqs：即Meansquares，均方（差）；FModel：F检验值；R2：即Variation(R2)，方差贡献，表示不同分组对样品差异的解释度，即分组方差与总方差的比值，R2越大表示分组对差异的解释度越高；Pr(>F)：***性p值，小于***。数据要求：OTU丰度表或者样本距离矩阵。 山东公共数据库挖掘数据科学专业服务乳腺类疾病预后相关信性基因突变研究数据包。

    单细胞测序数据挖掘：GEO目前收录的单细胞研究样本已经超过2万例，单细胞测序几乎成为生物医学领域CNS***文章的标配。实验费用高昂，阻断了CNS梦，既然其他数据可以挖，单细胞测序数据照样可以挖。已知公共数据库中单细胞测序数据涉及各种疾病类型，包括**、免疫细胞、炎症类甚至神经、肌肉、骨骼等，样本丰富、数据庞大，你不挖就是失去了一座金山。我们提供各种设计单细胞测序、各种测序、芯片、多组学的公共数据库挖掘、培训、模型构建、临床统计、算法还原服务；你能想到，我能做到；你提供参考文献、思路和目的，我们提供结果；如果没有思路，我们提供付费科研设计服务。示例如下：利用公共数据库的1539个单细胞样本，构建自己的生物学故事。

    RoastROAST是一种差异表达分析方法，有助于提高统计能力、组织和解释结果以及在不同实验中的关联表达模式，一般适用于microarray、RNA-seq的表达矩阵，用limma给全部基因做差异表达分析，不需要筛差异表达基因。基本原理：ROAST是一种假设驱动的测试，对结果基因集做富集分析，富集分析考虑基因集中基因的方向性(上调或下调)和强度(log2倍变化)，判断上/下调基因是否***富于集目标基因集；ROAST使用rotation,一种MonteCarlotechnology的多元回归方法，适用于样本数量较少的情况；roast检验一个geneset，对于复杂矩阵，使用mroast做multipleroasttests。富集分析结果用barcodeplot展示，使上/下调基因在目标基因集中的分布可视化。数据要求：表达矩阵。 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。

    GSVA算法接受的输入为基因表达矩阵（经过log2标准化的芯片数据或者RNA-seqcount数数据）以及特定基因集。**步，算法会对表达数据进行核密度估计；第二部，基于**步的结果对样本进行表达水平排序；第三步，对于每一个基因集进行类似K-S检验的秩统计量计算；第四步，获取GSVA富集分数。**终输出为以每个基因集对应每个样本的数据矩阵。无监督算法无监督算法常常被用于数据挖掘，用于在大量无标签数据中发现些什么。它的训练数据是无标签的，训练目标是能对观察值进行分类或区分等。核密度估计核密度估计（kerneldensityestimation）在概率论中用来估计未知的密度函数，属于非参数检验方法之一。数据要求1、特定感兴趣的基因集（如信号通路，GO条目等），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-seqcount数数据（基因名形式与基因集对应）下游分析1、基因集（如信号通路）的生存分析2、基因集（如信号通路）的差异表达分析3、基因集。 早期肝疾病的预后基因panel研究。山东组学数据处理数据科学活动

基因组数据全链条处理、蛋白组代谢组个性化分析。广东数据科学

    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。 广东数据科学