immune-network免疫網(wǎng)絡(luò)**微環(huán)境（TME）是**周圍的環(huán)境，包括周圍血管，免疫細(xì)胞，成纖維細(xì)胞，信號(hào)分子和細(xì)胞外基質(zhì)（ECM）。**與周圍微環(huán)境密切相關(guān)，不斷相互作用。**可以通過(guò)釋放細(xì)胞外信號(hào)，促進(jìn)**血管生成和誘導(dǎo)外周免疫耐受來(lái)影響微環(huán)境，而微環(huán)境中的免疫細(xì)胞可以影響*細(xì)胞的生長(zhǎng)和進(jìn)化。免疫細(xì)胞泛指所有參與免疫反應(yīng)的細(xì)胞，也特指能識(shí)別抗原，產(chǎn)生特異性免疫應(yīng)答的淋巴細(xì)胞等。主要包括T淋巴細(xì)胞、B淋巴細(xì)胞、單核細(xì)胞、巨噬細(xì)胞、粒細(xì)胞、肥大細(xì)胞、輔佐細(xì)胞，以及它們的前體細(xì)胞等，是免疫系統(tǒng)的功能單元。**微環(huán)境中免疫細(xì)胞之間相互作用形成免疫網(wǎng)絡(luò)，網(wǎng)絡(luò)設(shè)立可以清晰了解**微環(huán)境中免疫細(xì)胞之間的影響機(jī)制。應(yīng)用場(chǎng)景用網(wǎng)絡(luò)圖同時(shí)展示相關(guān)關(guān)系、pvalue、聚類/分類結(jié)果、跟預(yù)后的關(guān)系。-例如例文中各細(xì)胞之間的相關(guān)關(guān)系、跟預(yù)后的關(guān)系。基本原理：免疫系統(tǒng)遍布全身，涉及多種細(xì)胞、***、蛋白質(zhì)和組織。它可以區(qū)分我們的組織和外來(lái)組織自我和非自我。死亡和有缺陷的細(xì)胞也會(huì)被免疫系統(tǒng)識(shí)別和***。如果免疫系統(tǒng)遇到病原體就會(huì)產(chǎn)生免疫反應(yīng)。免疫細(xì)胞泛指所有參與免疫反應(yīng)的細(xì)胞，也特指能識(shí)別抗原，產(chǎn)生特異性免疫應(yīng)答的淋巴細(xì)胞等。 采用機(jī)器學(xué)習(xí)算法對(duì)疾病的干性指數(shù)進(jìn)行分型分類研究。遼寧臨床統(tǒng)計(jì)數(shù)據(jù)科學(xué)共同合作

    GSEA數(shù)據(jù)要求1、通常為表達(dá)譜芯片或測(cè)序數(shù)據(jù)（已經(jīng)過(guò)預(yù)處理），也可以是其他形式可排序的基因數(shù)據(jù)。2、具有已知生物學(xué)意義（GO、Pathway、**特征基因集等）的基因集。下游分析：得到GSEA結(jié)果之后的分析有：1.基因注釋：1、繪制基因集富集趨勢(shì)圖（Enrichmentplot）橫坐標(biāo)：按差異表達(dá)差異排序的基因序列。數(shù)值越小（偏向左端）的基因**在shICAM-1組中有越高倍數(shù)的差異表達(dá)，數(shù)值越小（偏向右端）的基因在對(duì)照組中有越高倍數(shù)的差異表達(dá)。縱坐標(biāo)：上方的縱坐標(biāo)為富集打分ES，ES是一個(gè)動(dòng)態(tài)的值，沿著基因序列，找到條目中的基因則增加評(píng)分，否則減少評(píng)分。通常用偏離0**遠(yuǎn)的值作為**終富集打分。下方的縱坐標(biāo)**基因表達(dá)與表型的關(guān)聯(lián)，***值越大**關(guān)聯(lián)越強(qiáng)，數(shù)值大于0**正相關(guān)，小于0則**負(fù)相關(guān)。 成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)方案糖尿病藥物基因組學(xué)分析找到新的作用靶點(diǎn)。

    GSVA算法接受的輸入為基因表達(dá)矩陣（經(jīng)過(guò)log2標(biāo)準(zhǔn)化的芯片數(shù)據(jù)或者RNA-seqcount數(shù)數(shù)據(jù)）以及特定基因集。**步，算法會(huì)對(duì)表達(dá)數(shù)據(jù)進(jìn)行核密度估計(jì)；第二部，基于**步的結(jié)果對(duì)樣本進(jìn)行表達(dá)水平排序；第三步，對(duì)于每一個(gè)基因集進(jìn)行類似K-S檢驗(yàn)的秩統(tǒng)計(jì)量計(jì)算；第四步，獲取GSVA富集分?jǐn)?shù)。**終輸出為以每個(gè)基因集對(duì)應(yīng)每個(gè)樣本的數(shù)據(jù)矩陣。無(wú)監(jiān)督算法無(wú)監(jiān)督算法常常被用于數(shù)據(jù)挖掘，用于在大量無(wú)標(biāo)簽數(shù)據(jù)中發(fā)現(xiàn)些什么。它的訓(xùn)練數(shù)據(jù)是無(wú)標(biāo)簽的，訓(xùn)練目標(biāo)是能對(duì)觀察值進(jìn)行分類或區(qū)分等。核密度估計(jì)核密度估計(jì)（kerneldensityestimation）在概率論中用來(lái)估計(jì)未知的密度函數(shù)，屬于非參數(shù)檢驗(yàn)方法之一。數(shù)據(jù)要求1、特定感興趣的基因集（如信號(hào)通路，GO條目等），列出基因集中基因2、基因表達(dá)矩陣，為經(jīng)過(guò)log2標(biāo)準(zhǔn)化的芯片數(shù)據(jù)或者RNA-seqcount數(shù)數(shù)據(jù)（基因名形式與基因集對(duì)應(yīng)）下游分析1、基因集（如信號(hào)通路）的生存分析2、基因集（如信號(hào)通路）的差異表達(dá)分析3、基因集。

    mutationEvents**已存在的基因突變會(huì)影響其他基因的突變，突變分析時(shí)確定這些基因突變潛在的相互作用，能更好地了解健康細(xì)胞轉(zhuǎn)化為*細(xì)胞的過(guò)程和機(jī)制。DISCOVER，一種針對(duì)基因突變的統(tǒng)計(jì)檢驗(yàn)工具，幫助尋找***的基因突變間互斥性和共現(xiàn)性。一般可應(yīng)用的研究場(chǎng)景：探索一組基因是否在**中存在互斥性和共現(xiàn)性；基于基因突變的互斥性和共現(xiàn)性，研究**發(fā)***展的潛在機(jī)制。基本原理：DISCOVER（DiscreteIndependenceStatisticControllingforObservationswithVaryingEventRates）是一種用于檢測(cè)**基因組數(shù)據(jù)的共現(xiàn)性和互斥性的新統(tǒng)計(jì)檢驗(yàn)方法。與Fisher'sexacttest等用于這些任務(wù)的傳統(tǒng)方法不同的是，DISCOVER基于一個(gè)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(shí)發(fā)生的頻率是否高于或低于預(yù)期。該方法避免了共現(xiàn)檢測(cè)中的虛假關(guān)聯(lián)，提高了檢測(cè)互斥性的統(tǒng)計(jì)能力。DISCOVER的性能與其他幾個(gè)已發(fā)布的互斥性測(cè)試相比，在整個(gè)***性水平范圍內(nèi)，DISCOVER在控制假陽(yáng)性率的同時(shí)更敏感。 兩個(gè)實(shí)驗(yàn)組的差異基因比較。

    蛋白質(zhì)主要由碳、氫、氧、氮等化學(xué)元素組成，是一類重要的生物大分子。蛋白質(zhì)的功能由蛋白質(zhì)的三維結(jié)構(gòu)決定。蛋白質(zhì)三維結(jié)構(gòu)繪圖，可以直觀地展示蛋白質(zhì)三維功能結(jié)構(gòu)，廣泛應(yīng)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(lǐng)域。基本原理蛋白質(zhì)三維結(jié)構(gòu)繪圖主要分為蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)以及對(duì)結(jié)構(gòu)進(jìn)行可視化兩步。蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)是基于蛋白質(zhì)中氨基酸序列預(yù)測(cè)蛋白質(zhì)折疊結(jié)構(gòu)的步驟，**常用的預(yù)測(cè)方法為同源建模，同源建模的原理是序列相似的蛋白質(zhì)具有相似的蛋白質(zhì)結(jié)構(gòu)，要推測(cè)一個(gè)未知結(jié)構(gòu)蛋白的三維結(jié)構(gòu)，只需要找到與之序列高度相似的已知結(jié)構(gòu)模板。在無(wú)法進(jìn)行同源建模（找不到模型）的情況下，還有折疊識(shí)別及從頭建模法，但是計(jì)算量大運(yùn)行緩慢且建模準(zhǔn)確度不如同源建模。獲得蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)的pbd文件后還需要通過(guò)分子三維結(jié)構(gòu)軟件繪制可視化的三維圖，并分析特殊位點(diǎn)（分子對(duì)接或突變位點(diǎn)分析），常用的有pymol和DeepView等。數(shù)據(jù)要求目標(biāo)蛋白的氨基酸序列或者編碼蛋白的基因序列，突變數(shù)據(jù)等。下游分析突變位點(diǎn)靶向藥物分析等。 生物醫(yī)學(xué)科研領(lǐng)域的組學(xué)數(shù)據(jù)處理。云南算法還原與開發(fā)數(shù)據(jù)科學(xué)方案

提供語(yǔ)言潤(rùn)色、圖表調(diào)整、格式修改等工作模塊。遼寧臨床統(tǒng)計(jì)數(shù)據(jù)科學(xué)共同合作

    TMB**突變負(fù)荷**突變負(fù)荷（TMB）作為免疫療法的生物標(biāo)志物，能夠較好的預(yù)測(cè)患者免疫***的療效。基于**突變負(fù)荷，可以從一種新的角度探尋基因跟免疫及預(yù)后的關(guān)系。一般應(yīng)用場(chǎng)景：基于TMB預(yù)測(cè)不同性狀的免疫***療效、不同基因表達(dá)或突變對(duì)免疫***潛在的影響。基本原理：**突變負(fù)荷(TumorMutationBurden，TMB)，通常被定義為一份**樣本中，所評(píng)估基因的外顯子編碼區(qū)每兆堿基中發(fā)生置換和插入/缺失突變的總數(shù)。近年許多研究都報(bào)道了TMB與PD-1/PD-L1抑制劑的療效高度相關(guān)，同時(shí)基于TMB進(jìn)行的臨床研究都得到了較好的結(jié)果。這讓一些**患者可以通過(guò)TMB標(biāo)志物對(duì)免疫療法的療效進(jìn)行一定程度的預(yù)測(cè)。結(jié)合TMB，可以從免疫***角度探尋關(guān)鍵基因、探究不同亞型**存在的不同發(fā)病機(jī)制。數(shù)據(jù)要求：基因突變數(shù)據(jù)，臨床或其他分類數(shù)據(jù)。 遼寧臨床統(tǒng)計(jì)數(shù)據(jù)科學(xué)共同合作