F&Q

方案设计指南

样本列表:
 
对实验分组匹配样本,并设置显示名称和选择分子类型(mRNA、miRNA、lncRNA)。
1. 样本组名避免重复。
2. 设置分组时,系统默认第一组是实验组。
 
差异筛选:
 
通过选择(Q值/差异倍数、差异数量)和设置差异参数,筛选样本中的差异基因。
1. Q值越高,筛选出差异基因越多。Q=0.05认为结果良好,可根据具体情况适当调整。
2. 差异倍数常用:1.2、1.5、2,其中1.5最常用。
 
靶基因预测:
 
利用生物信息学方法对靶基因进行预测。
 
趋势分析:
 
通过设置样本分组顺序,筛选出随着浓度梯度变化过程中基因的表达趋势,得到相应的主流表达趋势。
1. 样本分组数应大于3并且小于7。
 
功能与通路分析:
 
1. 对差异基因从生物过程、分子功能、细胞组成三个方面进行功能注释。
2. 对差异基因进行通路分析。
3. FDR值、P值一般设为0.05。
 
网络分析:
 
对数据选择网络分析。
 
1.  geneCoexpressionNetwork、lncRNAGeneNetwork的样本分组数必须大于3。
2. pathwayRelationNetwork:将pathway基于KEGG数据库中的相互作用关系而构建pathway间相互作用网络Path-Net。从网络中可以全局性系统地分析 Pathway-Analysis发现的样本显著性Pathway之间的信号传导关系,可直观发现样本变化时重要Pathway的协同作用模式,系统理解样本性状变化本质。Path-Net能够帮助我们发现网络中最上游具有调控作用的信号通路,同时也能发现网络中处于最下游的效应信号通路。
 
3. geneSignalNetwork:基于KEGG数据库,利用KEGG数据库中的基因之间、基因产物之间的作用关系,通过数据库搜索得到每个基因与其他基因的作用关系,可全面发现目标基因群之间作用关系,定位上游蛋白和下游蛋白。而后构建客户提供基因间的相互作用网络。
 
4. geneCoexpressionNetwork:基因间的共表达网络可以较为深入地反映基因间的表达调控关系,是一种十分有效地分析基因相互作用的方法。基因共表达网络分析主要基于基因的实测表达值来构建相关系数的加权网络。通过对构建的基本网络进行进一步地网络分析(Network Analysis),从而发现具有显著性相互作用关系的基因模块(module)与基因相互作用关系,从而对基因整体的所发挥的功能与作用有更加明确的方向。模块中的核心基因(Hub)在网络中具有重要的枢纽作用,对整个模块具有关键性的作用。分析的主要步骤包括无标度网络(Scale Free Network)检验,动态分支截断(Dynamic Branch Cut)方法用来确定基因作用关系的模块总数以及基于二元查找方法的基因关系展示等,另外,对于不满足无标度条件的基因相互作用网络,采用硬阈值的方法通过调节基因间的相关系数来得到较为合理的展示网络。
 
5. lncRNAGeneNetwork:基因与ncRNA间的共表达网络可以较为客观地反映ncRNA与基因间的表达调控关系,是一种十分有效地分析ncRNA与基因相互作用关系的方法。基因与ncRNA共表达网络分析主要基于ncRNA与基因的实测表达值来构建相关系数的加权网络。通过对构建的基本网络进行进一步地网络分析(Network Analysis),从而发现具有显著性相互作用的关系模块(module)以及ncRNA与基因的相互作用关系,从而了解ncRNA与基因的调控关系(即通过共表达网络中周边mRNA的功能来预测未知ncRNA的功能),对ncRNA所发挥的功能与作用有更加明确的方向。分析的主要步骤包括无标度网络(Scale Free Network)检验,动态分支截断(Dynamic Branch Cut)方法用来确定基因作用关系的模块总数以及基于二元查找方法的基因关系展示等,另外,对于不满足无标度条件的ncRNA与基因相互作用网络,采用硬阈值的方法通过调节ncRNA与基因间的相关系数来得到较为合理的展示网络。最后,模块中的核心基因(Hub)在网络中具有重要的枢纽作用,对整个模块具有关键性的作用。
 
6. miRNAGeneNetwork:用microRNA与靶基因之间的靶向调控关系来建立microRNA-gene作用网络。通过gene与MicroRNA 的属性关系可以建造gene与microRNA的邻接矩阵A,从而形成相互作用网络。用节点的连通度来表示节点的重要程度,用来衡量microRNA对周 围的gene的贡献程度,或gene对周围的microRNA的贡献程度。核心的microRNA或gene就是在网络图中Degree较高的。
 
7. miRNAGONetwork:结合了基因功能数据库和靶基因预测技术,通过网络的方式直观展现MicroRNA与其靶基因功能之间的调控关系,可通过microRNA与显著性的GO之间的间接关系,来构造GO与microRNA的关系邻接矩阵A,从而形成相互作用网络。我们通过节点的 连通度来衡量节点的重要程度,从侧面反映microRNA所可能具有的潜在功能GO,或某个功能GO对哪些microRNA有潜在影响,并通过定量化分离出具有核心调控作用的MicroRNA,并发现多种MicroRNA集中调控的核心基因功能。核心的 microRNA或GO就是在网络图中Degree较高的。
 
交并扣:
 
根据实验设计,对多组数据在结果类型中选择交集、并集或扣除。
主键:选择做交并扣的结果数据中某一列的名称。
(0)

本文由 GCBI学院 作者:乞嘚咙咚呛咚呛 发表,转载请注明来源!

热评文章

发表评论