GSEA全名為GeneSetEnrichmentAnalysis（基因集富集分析）。用以分析特定基因集（如關注的GO條目或KEGGPathway）在兩個生物學狀態（如**與對照，高齡與低齡）中是否存在差異。能夠研究基因變化的生物學意義。SubtypeGSEA是在GSEA的基礎上對不同亞型樣本中重要通路的富集情況進行組間比較，能直觀比較不同亞型中相同通路富集情況。基本原理GSEA主要分為基因集進行排序、計算富集分數（EnrichmentScore，ES）、估計富集分數的***性水平并進行多重假設檢驗三個步驟。**步對輸入的所有基因集L進行排序，通常來說初始輸入的基因數據為表達矩陣，排序的過程相當于特定兩組中（case-control、upper-lower等等）基因差異表達分析的過程。根據所有基因在兩組樣本的差異度量不同（共有六種差異度量，默認是signal2noise，GSEA官網有提供公式，也可以選擇較為普遍的foldchange)，對基因進行排序，并且Z-score標準化。第二步是GSEA的**步驟，通過分析預先定義基因集S在**步獲得的基因序列上的分布計算富集指數EnrichmentScore，并繪制分布趨勢圖Enrichmentplot。每個基因在基因集S的EnrichmentScore取決于這個基因是否屬于基因集S及其差異度量（如foldchange）。 基因組數據全鏈條處理、蛋白組代謝組個性化分析。四川公共數據庫挖掘數據科學歡迎咨詢

    Nomogram列線圖（nomogram，諾莫圖）是在平面直角坐標系中，用一簇互不相交的線段表示多個臨床指標或者生物學特征，用以預測一定的臨床結局或者某類事件發生的概率的圖。列線圖使預測模型的結果更具有可讀性，可個性化地計算特定**患者生存率,在臨床實踐中有較大的價值。一般可應用的研究方向有：將回歸的結果進行可視化呈現，對個體樣本給出其發病風險或比例風險；根據多個臨床指標或生物學特征，判斷個體樣本的疾病分類或特征。基本原理：列線圖的理論于1884年提出，**早用于工程學。它能夠將復雜的計算公式以圖形的方式，快速、直觀、精確的展現出來。列線圖通過構建多因素回歸模型（例如Cox回歸、Logistic回歸等），根據模型中各個影響因素對結局變量的影響程度的高低，即回歸系數的大小，給每個影響因素的每個取值水平進行賦分。將各個評分相加得到總評分，通過總評分與結局事件發生概率之間的函數轉換關系，從而計算出該個體結局事件的預測概率。校準曲線（calibrationcurve）為實際發生率和預測發生率的散點圖，常于用于化工行業溶液配制。在這里通過觀察預測值與實際值相差情況，判斷基于回歸模型構建列線圖的有效性。 重慶公共數據庫挖掘數據科學共同合作OmicCircos圖可以對感興趣的多個基因，展示其染色體的位置、拷貝數變異等多個特征。

    STEM基因表達趨勢分析基因調控網絡是一個連續且復雜的動態系統。當生物體按照一定順序發生變化或者受到外界環境刺激（如受到不同濃度的化學藥物誘導）時，基因表達變化也會呈現趨勢特征。趨勢分析就是發現基因表達的趨勢特征，將相同變化特征的基因集中在一種變化趨勢中，從而找到實驗變化過程中相當有有代表性的基因群。STEM（ShortTime-seriesExpressionMiner），中文名短時間序列表達挖掘器。該軟件主要用于分析短時間實驗數據，也可用于多組小樣本數據。推薦3至8組數據。一般可應用的研究方向有：多個時間點的時間序列數據，例如多個發育時期、處理后多個時間點取樣。基本原理STEM采用了一種新的聚類算法來分析時間序列基因表達趨勢。聚類算法首先選擇一組不同的、有代表性的時間表達模式（temporalexpressionprofiles）作為模型（modelprofiles）。模型是**于數據選擇的，并從理論上保證了所選擇的模型剖面具有代表性。然后，根據每個標準化過后的基因表達模式，分配給模型中相關系數比較高的時間表達模式。由于模型的選擇是**于數據的，因此該算法可以通過排列測試，確定哪些時間表達模式在統計意義上***富集基因。對每一個基因都分配時間表達模式完成后。

    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。 云生物深度理解科研需求、強大分析處理能力。

    PCA主成分分析測序技術的發展使得現在能夠從宏觀角度分析基因表達，但是也在一定程度上增加了數據分析難度。許多基因之間可能存在相關性，如果分別對每個基因進行分析，分析往往是孤立的，盲目減少指標會損失很多有用的信息。PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一種使用*****的數據降維算法。一般可應用的研究方向有：一組基因在多個分組中的差異情況，多個基因在該樣本中的差異情況。基本原理PCA的主要思想是將n維特征映射到k維上，這k維是全新的正交特征也被稱為主成分，是在原有n維特征的基礎上重新構造出來的k維特征。PCA的工作就是從原始的空間中順序地找一組相互正交的坐標軸，新的坐標軸的選擇與數據本身是密切相關的。其中，**個新坐標軸選擇是原始數據中方差**的方向，第二個新坐標軸選取是與**個坐標軸正交的平面中使得方差**的，第三個軸是與第1，2個軸正交的平面中方差**的。依次類推，可以得到n個這樣的坐標軸。通過這種方式獲得的新的坐標軸，我們發現，大部分方差都包含在前面k個坐標軸中，后面的坐標軸所含的方差幾乎為0。于是，我們可以忽略余下的坐標軸，只保留前面k個含有絕大部分方差的坐標軸。事實上。 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。山東臨床統計數據科學經驗豐富

采用機器學習算法對疾病的干性指數進行分型分類研究。四川公共數據庫挖掘數據科學歡迎咨詢

    STEM基因表達趨勢分析數據要求表達譜芯片或測序數據（已經過預處理）下游分析得到***富集的時間表達模式之后的分析有：1.時間表達模式中基因的功能富集2.時間表達模式中基因表達與性狀之間的相關性挖掘模塊的關鍵信息：1.找到時間表達模式中的**基因2.利用關系預測該時間表達模式功能文獻1：DynamicEBF1occupancydirectssequentialepigeneticandtranscriptionaleventsinB-cellprogramming（于2018年1月發表在GenesDev.，影響因子）EBF1動態占據在B細胞中對序列表觀遺傳和轉錄過程的影響該文獻采用基因表達趨勢分析，探尋了EBF1誘導前后25kb轉錄起始位點內基因轉錄水平的差異，來尋找EBF1對特定功能基因的影響以及造成影響的時間節點。文獻2：ComprehensivetranscriptionalprofilingofNaCl-stressedArabidopsisrootsrevealsnovelclassesofresponsivegenes（于2016年10月發表在BMCPlantBiol.，影響因子）該文獻采用基因表達趨勢分析，研究了高濃度鹽水作用不同時間下擬南芥根的基因表達差異，來探尋在遇到高濃度鹽水時擬南芥在基因層面上的應對方式。 四川公共數據庫挖掘數據科學歡迎咨詢