pptswot分析图怎么做_师兄，师兄，趋势分析怎么做？

最新推荐文章于 2024-04-09 11:59:34 发布

美味中国

最新推荐文章于 2024-04-09 11:59:34 发布

阅读量852

点赞数

文章标签： pptswot分析图怎么做

本文链接：https://blog.csdn.net/weixin_34759490/article/details/112490075

版权

本文介绍了如何进行PPT中的SWOT分析图制作，包括数据准备和参数设置步骤，并分享了实用的科研工具以及生信软件教程，同时探讨了科研领域的前沿趋势和文章解读。

摘要由CSDN通过智能技术生成

趋势分析(Series Test of Cluster)是基因表达分析研究中的一种重要方法，可用来挖掘具有相同表达模式的基因。简单来说，趋势分析实质就是将表达趋势相同的基因进行归类。例如，假设你的数据来自是3个时间点的梯度处理，当相邻两个时间点的趋势变化的最大单位设为1时，可将基因归类到8种趋势中，如下。

如果对趋势分析的算法原理感兴趣，可以查看周老师的帖子，这里不再赘述。链接： http://www.omicshare.com/forum/thread-446-1-1.html 那么，有没有简单的做趋势分析的工具呢？当然有！OmicShare 目前有两个趋势分析工具作可轻松完成趋势分析。工具链接： https://omicshare.com/tools/

OS用户可以在 软件中心 的 会员专属 选项下找到“ 动态趋势分析 ”工具，如上图(黑色图标)，然后进入工具页面。虽然是OmicShare VIP会员专享工具，但 从今日18：00到下周一18：00前，即使你是普通用户也可以使用！

数据准备

数据的样式如下图，第1列为gene id，之后的列为相应时间点的基因表达量(FPKM)数值。如果每个时间点有3次重复，可以取中值(或均值)用于趋势分析，建议“时间点”分组限制到3~5个。

此外，由于趋势分析通常对表达量有变化的基因进行分析(表达没有变化的基因可以认为与处理无关，无需分析)，所以我们可直接使用组间差异基因的并集，用于趋势分析。至于如何合并表格，你可能你会需要OmicShare 的表格合并工具。注意，把Excel中整理好的数据文件另存为 “制表符分隔”的txt文件 ，如下， OmicShare和几乎所有的生信工具一样不支持Excel格式。另外，表格中避免出现中文、空格、特殊符号如()、？、*、[ ]、$ 等。

如果想做练习，可直接使用工具页面提供的示例文件。对于OmicShare所有的工具，大家都可以点击 示例文件 ，进入范例数据页面，通过 右键/另存为 ，将数据保存为文本文件(默认是制表符分隔的txt文件)，然后可上传示例文件用于作图练习。

参数设置

参数设置非常简单： 1. 点选择文件按钮上传数据文件； 2. 提交，如下图，其他参数保持默认即可。

需要重点理解的是“ 基因筛选的最小变化倍数 ”这个参数。在趋势分析前，需要过滤掉那些表达量变化不大的基因，默认过滤掉表达量差异倍数小于2的基因。当然，如果使用差异基因集做趋势分析可不用在意这个参数。 趋势的数量 设置为20也足够了，不建议超出50个。 数据预处理 这里使用默认的“Log2标准化”。关于 数据预处理 ，提供了三种标准化方法：“ Log2标准化 ”、“ 标准化 ”和“ 不做标准化/加0 ” 。对于这三种方法，原始数据选第1个，已经取过对数的数据选第2个，如果标准化后的数据缺少零时间点的数据，选第3个；数据为0或负数会当成缺失值处理。

分析结果

任务编号会随机生成，点击提交按钮，到 我的任务 页面可以查看任务状态，大约十几秒后刷新任务状态即可，然后点跳转查看初始绘制效果，如下图。初始的结果默认是按照p值对模块排序的，彩色的趋势代表显著富集的趋势，颜色相同表示趋势相似(相关系数大于0.7)，可进一步合并。也可点设置按钮，在 全局修改 选项下勾选显示数值，设置字体，每行显示的模块数(趋势列数)等。

当然，你也可以选择用基因数目对模块进行排序，如下。

接着，在 背景修改 选项下，可以对趋势分析图的配色进行自定义调整，如下。

点击编辑趋势按钮，可通过拖拽改变模块位置、单击修改模块名称等。

调整满意后，点下载按钮下载图片即可，OmicShare tools支持下载svg格式的矢量图，便于后期在Ai(Adobe illustrator)中调整或直接在word、PPT中使用。

此外，在我的任务中可下载静态分析报告，解压后得到下图的结果。

我们所需的数据主要在Trend_analysis这个文件夹中，“ all.xls ”为这次分析用到的gene集，也就是过滤后的基因表达量表；“ All-Profile.xls ”为这些基因对应的“趋势”统计表(可用于个性化作图)；然后是每个趋势(profile 0~8)对应的基因集的表达量表(标准化后的)和折线图；以及按基因数和p值排序的所有趋势图。其中，trend_all_by_gene_number(如下图，模块顺序稍作调整)和trend_all_by_pvalue这两种图表比较漂亮，如下，可直接用于文章发表。这两类趋势图在OmicShare用户发表的SCI文章中比较常见。