術語解讀：
TME: Tumormicroenvironment
TMEscore: TMEsignature score（使用PCA算法計算得到，高意味著對病毒和干擾素免疫***和應答敏感。）
PCA:Principal component analysis
CIBERSORT:Cell type identification by estimating relative subset of known RNA transcripts
CYT:Cytolytic activity
EMT:Epithelial-mesenchymal-transition
CR: Completeresponse
PR: Partialresponse
PD:Progressive disease
TMB: Tumormutational burden
數據要求：
各細胞之間的相關關系、pvalue、聚類/分類結果、跟預后的關系表。 在分子生物、細胞生物、實驗動物、病理、臨床樣本方面已與長三角100余家企業形成良好合作關系。北京診療軟件開發數據科學歡迎咨詢
survivalCurve生存分析生存分析（survivalCurve）旨在更好地分析對不同因素對患者預后的影響，從而找到影響患者疾病的關鍵因素。生存曲線（Kaplan-Meier曲線）是生存分析的基本步驟，展示分類樣本的生存曲線，從而揭示不同因素對疾病預后的影響。一般可應用的研究方向有：患者的生存期跟基因變異的關系、藥物處理導致模式動物生存期變化。基本原理Kaplan-Meier法，直接用概率乘法定理估計生存率，故稱乘積極限法（product-limitmethod），是一種非參數法。相比其他方法，KM曲線能更好的處理刪失數據。先將樣本生存時間從小到大排列。若遇到非刪失值和刪失值相同時，非截刪失****。在生存時間后列出與時間相應的死亡人數，期初病例數（即生存期為某時間時尚存活的病例數）。然后計算活過每個時間點的生存率。以生存時間為橫坐標，生存率為縱坐標所作的曲線，即為Kaplan-Meier曲線。術語解釋風險比（HazardRatio,HR）：Kaplan-Meier方法中計算的風險比HR為兩分組對生存期影響的比例，用來描述該基因高表達對生存期的危險程度。該方法中的假設檢驗為兩組中樣本的生存期是否存在差異，即該因素是否會導致生存期的改變。刪失（censored）：在生存分析中。 山東組學數據處理數據科學怎么樣與復旦大學問附屬醫院合作，開發人血液外泌體中RNA的數據庫。
mutationEvents**已存在的基因突變會影響其他基因的突變，突變分析時確定這些基因突變潛在的相互作用，能更好地了解健康細胞轉化為*細胞的過程和機制。DISCOVER，一種針對基因突變的統計檢驗工具，幫助尋找***的基因突變間互斥性和共現性。一般可應用的研究場景：探索一組基因是否在**中存在互斥性和共現性；基于基因突變的互斥性和共現性，研究**發***展的潛在機制。基本原理：DISCOVER（DiscreteIndependenceStatisticControllingforObservationswithVaryingEventRates）是一種用于檢測**基因組數據的共現性和互斥性的新統計檢驗方法。與Fisher'sexacttest等用于這些任務的傳統方法不同的是，DISCOVER基于一個空模型，該模型考慮了總體**特異性的變化率，從而決定變化率的同時發生的頻率是否高于或低于預期。該方法避免了共現檢測中的虛假關聯，提高了檢測互斥性的統計能力。DISCOVER的性能與其他幾個已發布的互斥性測試相比，在整個***性水平范圍內，DISCOVER在控制假陽性率的同時更敏感。
三角坐標統計圖是采用數字坐標形式來表現三項要素的數字信息圖像。三角形坐標圖常用百分數（%）來表示某項要素與整體的結構比例。三條邊分別表示三個不同分量，三個頂點可以看作是三個原點。三角圖可以展示某特定值在一個整體中不同類型的分布。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個不同分組之間某個指標的相關性。
數據要求
多個樣本的三個變量值，或者多個基因在三個不同分組中的數據值，可以是突變頻率數據、基因表達數據、甲基化數據等。 檢測服務及數據分析助力取得2020年國自然面上十項、青年基金十八項。
sankey
桑基圖（sankey）是一種數據流圖，每條邊**一條數據流，寬度**數據流的大小。一套數據集可能有多重屬性，每層屬性之間有交叉，就可以用這種圖來展示。一般應用場景：分組與基因為多對多關系，展示高頻突變基因所處的分組；miRNA和靶基因的關系；人群按性別、年齡、家族史等特征分組，展示不同分組得**的規律。
數據要求：
多個分組及其關系，包括且不限于基因表達、突變。
下游分析：
1. 補充展示部分的已有相關研究
2. 解釋展示部分對研究課題的意義 在基因組上同時展示突變位點和motif，為突變影響轉錄因子結合提供量化和可視化的證據。天津診療軟件開發數據科學方案
診療軟件開發、算法還原與開發、臨床統計等數據科學工作。北京診療軟件開發數據科學歡迎咨詢
蛋白質主要由碳、氫、氧、氮等化學元素組成，是一類重要的生物大分子。蛋白質的功能由蛋白質的三維結構決定。蛋白質三維結構繪圖，可以直觀地展示蛋白質三維功能結構，廣泛應用于單核苷酸突變功能分析、藥物蛋白分子相互作用分析等研究領域。基本原理蛋白質三維結構繪圖主要分為蛋白質三維結構預測以及對結構進行可視化兩步。蛋白質三維結構預測是基于蛋白質中氨基酸序列預測蛋白質折疊結構的步驟，**常用的預測方法為同源建模，同源建模的原理是序列相似的蛋白質具有相似的蛋白質結構，要推測一個未知結構蛋白的三維結構，只需要找到與之序列高度相似的已知結構模板。在無法進行同源建模（找不到模型）的情況下，還有折疊識別及從頭建模法，但是計算量大運行緩慢且建模準確度不如同源建模。獲得蛋白質三維結構預測的pbd文件后還需要通過分子三維結構軟件繪制可視化的三維圖，并分析特殊位點（分子對接或突變位點分析），常用的有pymol和DeepView等。數據要求目標蛋白的氨基酸序列或者編碼蛋白的基因序列，突變數據等。下游分析突變位點靶向藥物分析等。 北京診療軟件開發數據科學歡迎咨詢