重庆成果发表指导数据科学共同合作

    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。 WGCNA其译为加权基因共表达网络分析。重庆成果发表指导数据科学共同合作

    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。 山东成果发表指导数据科学经验丰富在基因组上同时展示突变位点和motif，为突变影响转录因子结合提供量化和可视化的证据。

    PCA主成分分析测序技术的发展使得现在能够从宏观角度分析基因表达，但是也在一定程度上增加了数据分析难度。许多基因之间可能存在相关性，如果分别对每个基因进行分析，分析往往是孤立的，盲目减少指标会损失很多有用的信息。PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一种使用*****的数据降维算法。一般可应用的研究方向有：一组基因在多个分组中的差异情况，多个基因在该样本中的差异情况。基本原理PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。PCA的工作就是从原始的空间中顺序地找一组相互正交的坐标轴，新的坐标轴的选择与数据本身是密切相关的。其中，**个新坐标轴选择是原始数据中方差**的方向，第二个新坐标轴选取是与**个坐标轴正交的平面中使得方差**的，第三个轴是与第1，2个轴正交的平面中方差**的。依次类推，可以得到n个这样的坐标轴。通过这种方式获得的新的坐标轴，我们发现，大部分方差都包含在前面k个坐标轴中，后面的坐标轴所含的方差几乎为0。于是，我们可以忽略余下的坐标轴，只保留前面k个含有绝大部分方差的坐标轴。事实上。

    immune-network免疫网络**微环境（TME）是**周围的环境，包括周围血管，免疫细胞，成纤维细胞，信号分子和细胞外基质（ECM）。**与周围微环境密切相关，不断相互作用。**可以通过释放细胞外信号，促进**血管生成和诱导外周免疫耐受来影响微环境，而微环境中的免疫细胞可以影响*细胞的生长和进化。免疫细胞泛指所有参与免疫反应的细胞，也特指能识别抗原，产生特异性免疫应答的淋巴细胞等。主要包括T淋巴细胞、B淋巴细胞、单核细胞、巨噬细胞、粒细胞、肥大细胞、辅佐细胞，以及它们的前体细胞等，是免疫系统的功能单元。**微环境中免疫细胞之间相互作用形成免疫网络，网络设立可以清晰了解**微环境中免疫细胞之间的影响机制。应用场景用网络图同时展示相关关系、pvalue、聚类/分类结果、跟预后的关系。-例如例文中各细胞之间的相关关系、跟预后的关系。基本原理：免疫系统遍布全身，涉及多种细胞、***、蛋白质和组织。它可以区分我们的组织和外来组织自我和非自我。死亡和有缺陷的细胞也会被免疫系统识别和***。如果免疫系统遇到病原体就会产生免疫反应。免疫细胞泛指所有参与免疫反应的细胞，也特指能识别抗原，产生特异性免疫应答的淋巴细胞等。 生物医学科研领域的组学数据处理。

    STEM基因表达趋势分析数据要求表达谱芯片或测序数据（已经过预处理）下游分析得到***富集的时间表达模式之后的分析有：1.时间表达模式中基因的功能富集2.时间表达模式中基因表达与性状之间的相关性挖掘模块的关键信息：1.找到时间表达模式中的**基因2.利用关系预测该时间表达模式功能文献1：DynamicEBF1occupancydirectssequentialepigeneticandtranscriptionaleventsinB-cellprogramming（于2018年1月发表在GenesDev.，影响因子）EBF1动态占据在B细胞中对序列表观遗传和转录过程的影响该文献采用基因表达趋势分析，探寻了EBF1诱导前后25kb转录起始位点内基因转录水平的差异，来寻找EBF1对特定功能基因的影响以及造成影响的时间节点。文献2：ComprehensivetranscriptionalprofilingofNaCl-stressedArabidopsisrootsrevealsnovelclassesofresponsivegenes（于2016年10月发表在BMCPlantBiol.，影响因子）该文献采用基因表达趋势分析，研究了高浓度盐水作用不同时间下拟南芥根的基因表达差异，来探寻在遇到高浓度盐水时拟南芥在基因层面上的应对方式。 数据库建设、公共数据库挖掘。广东生物/药物信息学分析数据科学

参考国内外数据资源，根据需求制定构建方案。重庆成果发表指导数据科学共同合作

    LASSO回归：更多的变量在拟合时往往可以给出一个看似更好的模型，但是同时也面临过度拟合的危险。此时如果用全新的数据去验证模型(Validation)，通常效果很差。一般来说，变量数大于数据点数量很多，或者某一个离散变量有太多独特值时，都有可能过度拟合。LASSO回归复杂度调整的程度由参数λ来控制，λ越大对变量较多的线性模型的惩罚力度就越大，从而**终获得一个变量较少的模型。LASSO回归与Ridge回归同属于一个被称为ElasticNet的广义线性模型家族。这一家族的模型除了相同作用的参数λ之外，还有另一个参数α来控制应对高相关性(highlycorrelated)数据时模型的性状。LASSO回归α=1，Ridge回归α=0，一般ElasticNet模型0<α<1。LASSO过程中我们通常会进行多次交叉验证（crossvalidation）拟合（1000次）进而选取模型，从而对模型的性能有一个更准确的估计。 重庆成果发表指导数据科学共同合作