- 数据库介绍
- platform-----sample------series
- sample：用户提交给GEO的样本数据 GSM开头
- series：一个完整的研究，提供了整个研究的描述，包括对数据的描述，总结分析 （GSE开头）
- platform：用户测定表达量使用的芯片/平台（GPL）开头；不同开头的表达芯片，资料不同
- 问题：
- 想从文章找到作者用的数据集编号，开头为GSE
- 芯片产品：GPL
- 样本的编号 GSM
- 问题：
- 基因表达芯片的原理：探针的表达量代表基因的表达量
- 分析思路
- 找数据，找到GSE编号
- 下载数据：（表达矩阵）和临床信息（分组信息）
- 数据探索：分组自建是否有差异：PCA图和热图
- 差异分析以及可视化：1.P值，logFC 2.火山图和热图
- 富集分析：KEGG和GO
- 表达矩阵：
- 探针：转换为gene symbol
- 样本编号：需要分组信息
- 富集分析
- 输入数据：差异基因的entrezid
- symbol：常说的基因名
- entrezid：富集分析指定用的
- 两者并非一一对应的，一对二，三等
- 富集分析
- KEGG:pathway hsa03030
- GO数据库:细胞组分 分子功能 生物功能
- Y叔和clusterProfiler：写出了富集分析的R包
- 富集分析的结果：
- 十列的表格：ID；通路编号 pvalue：衡量是否显著，GENEID：哪些属于这条通路，后米娜及逆行计数
- 成果更新的时候BgRatio会发生改变：该通路有多少个基因/数据库中所有通路有多少个基因
- Generatio：差异基因多少个属于该通路/差异基因中有多少个被数据库收录（差异基因通过差异分析获得）
- 富集分析的理解：
- kegg数据库里的基因，相同颜色代表同一种通路；该通路一共有8个，基因库一共有86个基因，8/86是BgRatio
- 差异基因一共
- 衡量每个通路里面的基因在差异基因里是否足够多；多就是富集
- 举例：BgRatio 35/13000，Generatio 25/1000：总中奖率是第一个值；你做出来的值是第二个值；第二个值明显高，为富集
- 把差异基因和通路联系起来
- 富集分析的可视化：第一张横坐标为GeneRatio；第二张横坐标为count；还可以分面；还可以一张图展现上调基因和下调基因；
- 不想解释的东西，尽量不要展示：调整p值/拆开图
- 展示通路之间的共同基因：基因不一定属于同一个通路：可能有 比较重要的功能
- 展示GOterm之间的关系
- platform-----sample------series
GEO数据库学习
2024-07-23 15:55:50
浏览数 (2)
