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。 胰腺疾病预后相关长链非编码RNA。四川文章成稿指导数据科学共同合作

sankey

桑基图（sankey）是一种数据流图，每条边**一条数据流，宽度**数据流的大小。一套数据集可能有多重属性，每层属性之间有交叉，就可以用这种图来展示。一般应用场景：分组与基因为多对多关系，展示高频突变基因所处的分组；miRNA和靶基因的关系；人群按性别、年龄、家族史等特征分组，展示不同分组得**的规律。

数据要求：

多个分组及其关系，包括且不限于基因表达、突变。

下游分析：

1.   补充展示部分的已有相关研究

2.   解释展示部分对研究课题的意义 四川文章成稿指导数据科学共同合作微生物多样性分析桌面软件。

    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。

    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。

    术语解释：互斥性（mutuallyexclusive）：一组基因中只有一个在一种**中发生改变，这种现象被称为互斥性。共现性（co-occurrence）：不同途径功能的基因突变可能发生在同一**中，这种现象被称为共现性。数据要求：基因突变数据下游分析：对于存在共现性或互斥性的基因对/基因集基因集的功能分析基因集相关的生存分析基于基因集的潜在靶向药物分析文献一：Functionalgenomiclandscapeofacutemyeloidleukaemia急性髓性白血病的功能基因组图（于2018年10月发表在Nature.，影响因子）文献中使用DISCOVER40方法评估531例白血病患者中**常见的复发性突变的共现性或排他性，并用点图展示。文献二：ALPK1hotspotmutationasadriverofhumanspiradenomaandspiradenocarcinoma文献中利用DISCOVER共现性质和互斥性分析工具对ALPK1和CYLD的互斥性进行了评价。 circos图通过圆圈和连线展示多个亚组之间的关系，包括且不限于基因、基因片段、亚型。四川文章成稿指导数据科学共同合作

构建新的临床预测模型。四川文章成稿指导数据科学共同合作

    LASSO是一种机器学习算法，通常被用来构建可以预测预后情况的基因模型。也可以筛选与特定性状相关性强的基因。LASSO对于高维度、强相关、小样本的生存资料数据有较好的效果。LASSO的基本思想是在回归系数的***值之和小于一个常数的约束条件下，使残差平方和**小化，从而使某些回归系数严格等于0，来得到可以解释的模型。该方法的估计参数λ为调整参数。随着l的增加，项就会减小，这时候一些自变量的系数就逐渐被压缩为0，以此达到对高维资料进行降维的目的。LASSO方法的降维是通过惩罚回归系数的数量来实现的。基本原理LASSO回归的特点是在拟合广义线性模型的同时进行变量筛选(VariableSelection)和复杂度调整(Regularization)。因此，不论目标因变量(dependent/responsevaraible)是连续的(continuous)，还是二元或者多元离散的(discrete)，都可以用LASSO回归建模然后预测。这里的变量筛选是指不把所有的变量都放入模型中进行拟合，而是有选择的把变量放入模型从而得到更好的性能参数。复杂度调整是指通过一系列参数控制模型的复杂度，从而避免过度拟合(Overfitting)。对于线性模型来说，复杂度与模型的变量数有直接关系，变量数越多，模型复杂度就越高。

四川文章成稿指导数据科学共同合作