GEO数据挖掘-GEO背景知识+表达芯片分析思路

已于 2024-05-20 23:49:11 修改
阅读量1.3k 收藏 19
点赞数 28
分类专栏： GEO数据挖掘 文章标签： 数据挖掘 人工智能 GEO
于 2024-05-16 15:33:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_57975238/article/details/138957796
版权

From生物技能树 GEO数据挖掘第一节
（pipeline）

文章目录

1.图表分析

2.GEO背景介绍及分析思路

3.代码分析流程

4.复杂数据分析

提示：这是GEO数据挖掘的大概内容：

理论知识

广义的基因有 6w+个，如何缩小范围到课题相关？

1.数据从哪里来

在这里插入图片描述

2.有什么类型的数据可挖掘

基因表达芯片
转录组
单细胞
突变(外显子)、甲基化、拷贝数差异。。。

3.如何筛选基因（分析方法）

在这里插入图片描述

图表介绍

1.热图

  1. 输入数据是数值型矩阵/数据框
  2. 颜色的变化表示数值的大小

2.散点图和箱线图

  1. 横坐标是下标/组
  2. 纵坐标是表达值
  3. 箱线图的五条线：max、75%、median、25%、min
  4. 箱线图：用于单个基因在两组之间的表达差异
    输入数据是一个连续型向量和一个有重复值的离散型向量
    在这里插入图片描述

3.火山图

Foldchange(FC):处理组平均值/对照组平均值
log2Foldchange(logFc):Foldchange取log2

  1. List item
  2. 火山图：差异分析，用于多个基因在两组间的表达差异
  3. 横坐标是 logFC，纵坐标是-log10(Pvalue)
  4. logFC: Foldchange取log2，Foldchange为处理组表达量平均值/对照组表达量平均值，实际计算时，为先取log2，然后log2(处理组)-log2(对照组)，既没有单位也没有意义，只是一个相对值的意义
  5. 永远都是处理组-对照组，而不是大的-小的
  6. logFC 如果太大：是不是没取 log？顶多在 ±12 之间
  7. logFC ＞ 0，treat ＞ control，基因表达量上升
  8. logFC ＜ 0，treat ＜ control，基因表达量下降
  9. 通常所说的上调、下调基因是指表达量显著上升/下降的基因（需要结合显著性p值）
  10. logFC 的阈值设置是自行规定的，p 值阈值一般为 0.01，常见的 logFC 阈值有：1、2、1.2、1.5、2.2、（0.585=log2(1.5)：即上升1.5倍），阈值可调。
  11. 为什么 y 轴要取 lg？把 p 值拉到同一个数量级上，比较好画图
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

芯片差异分析的起点是一个取过log的表达矩阵(0-20),
如果拿到的是未log的矩阵(0-很大)，需要自行log

4.主成分分析图

1.主成分分析，旨在利用降维的思想，把多指标转化为少数几个综合指标(即主成分)
根据这些主成分对样本进行聚类，代表样本的点在坐标轴上距离越远，说明样本差异越大，
2. 图上的点代表样本（除中心点外），点与点之间的距离表示样本与样本的区别
3. 主成分的值没有意义，是很多个变量降维得到的一个值，dm1和dm2是维度，dm1+dm2>90%，
4. 用处：用于“预实验”简单查看组间是否有差别。同一分组是否聚成一簇(组内 重复好)，中心点之间是否有距离(组间 差别大)。

在这里插入图片描述
在这里插入图片描述

如何查找数据，GEO数据库

添加链接描述
点进去series查找自己感兴趣的数据（主要有两种数据类型：基因表达芯片和转录组测序），点开样本查看数据分布范围，有没有全部都在0附近，如果有大量负值，数据不正常。然后查看分组信息。
在这里插入图片描述

1.表达数据实验设计

1.实验目的:通过基因表达量数据的差异分析和富集分析来解释生物学现象

病变组织vs健康组织
药物处理 vs 对照组(水/DMSO)
开花前vs开花后
·动物/昆虫不同发育期
·有色/无色果皮
高产/低产品种

有差异的材料→差异基因→找功能/找关联→解释差异,缩小基因范围

2.数据库介绍

1.GEO首页有一个GEO2R网页工具，它可以给相应的代码，但是没有判断数据是否正常的机制，使用默认的参数，无法得到全部的默认的基因，代码仅供参考。
在这里插入图片描述
2.在这里插入图片描述
3.数据库数据
在这里插入图片描述
3.基因表达芯片的原理
在这里插入图片描述

分析思路

1.找数据，找到 GSE 编号

2.下载并读取数据

3.表达矩阵

4.临床信息 → 分组信息：需要自己整理

5.GPL 编号 → 探针注释（每个探针属于哪个基因，探针与基因的对应关系）

6.数据探索：分组之间是否有差异、PCA、热图（离散基因热图）

7.差异分析及可视化：limma包差异分析（P值、logFC）、画图（火山图、差异基因热图）

8.富集分析：GO、KEGG
在这里插入图片描述

需要整理的信息

1.探针 id→ 基因名称

2.GSM 样本 ID→ 分组信息
在这里插入图片描述

芯片差异分析所需的输入数据

在这里插入图片描述

代码分析流程(在pipeline文件夹)

在这里插入图片描述

安装 R 包

00_pre_install 全选运行安装里面的 R 包
require(pkg,character.only=T), 这个参数告诉 require() 函数，pkg 是一个字符向量。

下载数据，提取表达矩阵和临床信息

  1. 下载数据，大多数情况下只要在 R 中用代码下载即可
rm(list = ls())
#打破下载时间的限制,改前60秒，改后10w秒
options(timeout = 100000) 
options(scipen = 20)#不要以科学计数法表示

#传统下载方式
#getGEO() 函数是 GEOquery 包提供的一个工具，用于从GEO数据库下载和导入数据集。getGEO()有则直接读取，没有的话就帮忙下载并读取，在工作目录下
library(GEOquery)
eSet = getGEO("GSE7305", destdir = '.', getGPL = F)
#destdir = '.'是指下载后放在工作目录，getGPL是指不下载GPL文件，下载的话会变得很慢，不需要它

网速太慢，下不下来怎么办?
1.从网页上下载/发链接让别人帮忙下，放在工作目录里
2.试试geoChina,只能下载2019年前的表达芯片数据

library(AnnoProbe)
eSet = geoChina("GSE7305") #选择性代替eSet = getGEO("GSE7305", destdir = '.', getGPL = F)

手动下载的方法：
1.GEO 首页-Series

  • GSE：一个完整的研究，包括实验设计描述、数据描述、总结分析等
  • GSM：用户提交给 GEO 的样本数据
  • GPL：指用户用于测定表达量的芯片平台
    2.搜索需要的疾病
    3.按 array 筛选检测方法
    4.点进一个 GSE
    5.Series Matrix File
    6.matrix.txt.gz 是表达矩阵的压缩包（至少应该是六七百 k）
#下载下来后，研究一下这个eSet
class(eSet)

## [1] "list"

#返回列表里有几个元素
length(eSet)

## [1] 1

#应该是1，如果有2说明是一个SuperSeries里面有两批测序结果，如果不需要合并的话最好是分开提取，分开分析
eSet = eSet[[1]] #去掉列表数据，留下里边数据
class(eSet)

## [1] "ExpressionSet"   
## attr(,"package")
## [1] "Biobase"

#ExpressionSet :数据的对象的类型
提取表达矩阵exp
exp <- exprs(eSet)
dim(exp)
#任何GEO的ExpressionSet数据都是用exprs()提取的，提取成matrix,dim() 函数用于返回一个对象的维度，这个对象可以是矩阵、数组或者数据框（data frame）。对于矩阵和数组，dim() 函数返回一个包含行数和列数的向量。

## [1] 54675    20

range(exp)#看数据范围决定是否需要log，是否有负值，异常值

## [1]     5.020951 22011.934000

exp = log2(exp+1) #需要log才log,如果不需要取log，加上#号
#如果需要去掉一个样本：
#exp = exp[,-3]
boxplot(exp,las = 2) # 看数据里有无异常样本
检查表达矩阵是否异常

正常表达矩阵
在这里插入图片描述

看是否有异常样本:
数值特别大，说明没取log
箱线图中位数差别特别大的:
处理异常样本：
去掉异常样本
标准化：exp = limma::(normalizeBetweenArrays(exp))
关于表达矩阵里的负值：
1.取过log，有少量的负值：正常
2.没取过log，有负值：不正常，错误数据
3.有一半负值，中位数为0：做了标准化
4.2和3情况一般弃用，非要用的话就处理原始数据

提取临床信息
pd <- pData(eSet)
#如果需要从多个分组里取出其中两个，多分组在这里加筛选样本的代码
```c
例如一个多分组：该代码适用于所有的多分组筛选二分组
library(stringr)
 k1 = str_detect(pd$title,"Hep3B,control");table(k1)
 k2 = str_detect(pd$title,"Hep3B,control");table(k2)
 pd = pd[k1|k2,]  #组合

#现编一个三分组
#pdKaTeX parse error: Expected 'EOF', got '#' at position 61: …es = c(6,6,8)) #̲假如需要从多个分组里面取两个分…group,“group1|group2”);table(k)
#pd = pd[k,]

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/b6f08e5bfad34ce684fbcd40cfe7cde1.png)
#### 让exp列名与pd的行名顺序完全一致
```c
p = identical(rownames(pd),colnames(exp));p

## [1] TRUE

#identical判断行名和列名是否完全一致，完全相同返回T，不完全相同返回F，则运行以下代码
if(!p) {
  s = intersect(rownames(pd),colnames(exp))
  exp = exp[,s]
  pd = pd[s,]
}
#s为pd里的行名和exp里的列名取交集，再使新的exp和pd变成按s顺序取子集，使他们的顺序完全一致
提取芯片平台编号，后面要根据它来找探针注释
gpl_number <- eSet@annotation;gpl_number

## [1] "GPL570"

#对象里的元素提取时用@还是$根据前面的符号，是什么就用什么
save(pd,exp,gpl_number,file = "step1output.Rdata")
#完成第一步，保存一下成Rdata

每次写完代码之后一定要全选运行一下，保证代码正确且只运行了一次
附：原始数据处理的代码，按需学习：
添加链接描述

Group(实验分组)和ids(探针注释)

# Group(实验分组)和ids(探针注释)
rm(list = ls())  
load(file = "step1output.Rdata")
实验分组的设置
# 1.Group----
library(stringr)
# 标准流程代码是二分组，多分组数据的分析后面另讲
# 生成Group向量的三种常规方法，三选一,选谁就把第几个逻辑值写成T，另外两个为F。如果三种办法都不适用，可以继续往后写else if,示例只执行第三个方法代码
if(F){
  # 第一种方法，有现成的可以用来分组的列
  
}else if(F){
  # 第二种方法，眼睛数，自己生成
  Group = rep(c("Disease","Normal"),each = 10)
  # rep函数的其他用法？相间、两组的数量不同？
}else if(T){
  # 第三种方法，使用字符串处理的函数获取分组
  k = str_detect(pd$title,"Normal");table(k)
  Group = ifelse(k,"Normal","Disease")
}

# **第一种方法**，有现成的可以用来分组的列
> pd$title
 [1] "Endometrium/Ovary-Disease 1"  "Endometrium/Ovary-Disease 2" 
 [3] "Endometrium/Ovary-Disease 3"  "Endometrium/Ovary-Disease 4" 
 [5] "Endometrium/Ovary-Disease 5"  "Endometrium/Ovary-Disease 6" 
 [7] "Endometrium/Ovary-Disease 7"  "Endometrium/Ovary-Disease 8" 
 [9] "Endometrium/Ovary-Disease 9"  "Endometrium/Ovary-Disease 10"
[11] "Endometrium-Normal 1"         "Endometrium-Normal 2"        
[13] "Endometrium-Normal 3"         "Endometrium-Normal 4"        
[15] "Endometrium-Normal 5"         "Endometrium-Normal 6"        
[17] "Endometrium-Normal 7"         "Endometrium-Normal 8"        
[19] "Endometrium-Normal 9"         "Endometrium-Normal 10"   
#如果这一列只有"Disease","Normal"这俩单词，不需要做任何改动，可直接运行下边代码，但是它除了这俩单词还有一些额外的信息
 Group = pd$title

# **第二种方法**，眼睛数，自己生成
Group = rep(c("Disease","Normal"),each = 10)

> rep(c("Disease","Normal"),each = 10)
 [1] "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease"
 [9] "Disease" "Disease" "Normal"  "Normal"  "Normal"  "Normal"  "Normal"  "Normal" 
[17] "Normal"  "Normal"  "Normal"  "Normal" 
> 
#rep用法： # rep函数的其他用法？相间、两组的数量不同？
> rep(c("Disease","Normal"),each = 10)
 [1] "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease"
 [9] "Disease" "Disease" "Normal"  "Normal"  "Normal"  "Normal"  "Normal"  "Normal" 
[17] "Normal"  "Normal"  "Normal"  "Normal" 
> rep(c("Disease","Normal"),times = c(8,9))
 [1] "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease"
 [9] "Normal"  "Normal"  "Normal"  "Normal"  "Normal"  "Normal"  "Normal"  "Normal" 
[17] "Normal" 
> rep(c("Disease","Normal"),times = 10)
 [1] "Disease" "Normal"  "Disease" "Normal"  "Disease" "Normal"  "Disease" "Normal" 
 [9] "Disease" "Normal"  "Disease" "Normal"  "Disease" "Normal"  "Disease" "Normal" 
[17] "Disease" "Normal"  "Disease" "Normal" 


 # **第三种方法**，匹配关键词，使用字符串处理的函数获取分组，比较万能
 k = str_detect(pd$title,"Normal");table(k)   #按Normal这个关键词对pd$title中进行检测，有的话就是T，没有就是F
  Group = ifelse(k,"Normal","Disease")  #根据T还是F赋值group
  
  #替换成功
  > ifelse(k,"Normal","Disease")
 [1] "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease" "Disease"
 [9] "Disease" "Disease" "Normal"  "Normal"  "Normal"  "Normal"  "Normal"  "Normal" 
[17] "Normal"  "Normal"  "Normal"  "Normal" 



#检查，#用pd的title列和group生成一个数据框放在一起，检查一下分组对不对
> data.frame(pd$title,Group)
                       pd.title   Group
1   Endometrium/Ovary-Disease 1 Disease
2   Endometrium/Ovary-Disease 2 Disease
3   Endometrium/Ovary-Disease 3 Disease
4   Endometrium/Ovary-Disease 4 Disease
5   Endometrium/Ovary-Disease 5 Disease
6   Endometrium/Ovary-Disease 6 Disease
7   Endometrium/Ovary-Disease 7 Disease
8   Endometrium/Ovary-Disease 8 Disease
9   Endometrium/Ovary-Disease 9 Disease
10 Endometrium/Ovary-Disease 10 Disease
11         Endometrium-Normal 1  Normal
12         Endometrium-Normal 2  Normal
13         Endometrium-Normal 3  Normal
14         Endometrium-Normal 4  Normal
15         Endometrium-Normal 5  Normal
16         Endometrium-Normal 6  Normal
17         Endometrium-Normal 7  Normal
18         Endometrium-Normal 8  Normal
19         Endometrium-Normal 9  Normal
20        Endometrium-Normal 10  Normal

需要把Group转换成因子，因子非常适合组织有重复值的向量，并设置参考水平，指定levels，对照组在前，处理组在后

Group = factor(Group,levels = c("Normal","Disease"))
Group


 ##[1] Disease Disease Disease Disease Disease Disease Disease Disease Disease Disease
##[11] Normal  Normal  Normal  Normal  Normal  Normal  Normal  Normal  Normal  Normal 
##Levels: Normal Disease

#levels(Group)   
##[1] "Normal"  "Disease"
##单独提取levels，查看Group向量里都有哪些取值，这就叫因子的水平，顺序对照组在前，处理组在后
探针注释的获取

原理：探针与基因的对应关系表格，一个数据框
需要把probe_id和基因symbol对应起来：基因组注释

注释来源：
1.Biocoductor的注释包：添加链接描述
2.GPL页面的表格文件解析：找探针和symbol这两列，但不是所有文件都可以通过GPL页面找到这两列
在这里插入图片描述

#2.探针注释的获取（运行的时候不同数据代码也要改动）
#捷径
library(tinyarray)
find_anno(gpl_number) #辅助写出找注释的代码
#读取并按列取子集的例子：GPL6887

#获取表格下载链接
#https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL6887&targ=self&form=text&view=data
get_gpl_txt(gpl_number)
#读取表格
#三种方式：
a = data.table::fread("GPL6887.txt",data.table = F)
#a = rio::import("GPL6887.txt")
#a = read.delim("GPL6887.txt",check.names = F,skip = 33)
colnames(a)
ids = a[,c("ID","Symbol")]
View(ids)
#要改列名,后面的代码适应这两个列名
colnames(ids) = c("probe_id","symbol")
View(ids)

#library(hgu133plus2.db);ids <- toTable(hgu133plus2SYMBOL) 
#这是从find_anno(gpl_number)行运行结果里复制下来的代码👆
#如果能打出代码就不需要再管其他方法。
#如果使用复制下来的AnnoProbe::idmap('xxx')代码发现报错了，请注意尝试不同的type参数
#如果显示no annotation avliable in Bioconductor and AnnoProbe则要去GEO网页上看GPL表格里找啦。

#四种方法，方法1里找不到就从方法2找，以此类推。
#捷径里面包含了全部的R包、一部分表格、一部分自主注释
#方法1 BioconductorR包(最常用，已全部收入find_anno里面，不用看啦)
if(F){
  gpl_number #看看编号是多少
  #http://www.bio-info-trainee.com/1399.html #在这里搜索，找到对应的R包
  library(hgu133plus2.db)
  ls("package:hgu133plus2.db") #列出R包里都有啥
  ids <- toTable(hgu133plus2SYMBOL) #把R包里的注释表格变成数据框
}
# 方法2 读取GPL网页的表格文件，按列取子集
##https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL570
# 方法3 官网下载注释文件并读取
# 方法4 自主注释，了解一下
#[添加链接描述](https://mp.weixin.qq.com/s/mrtjpN8yDKUdCSvSUuUwcA)
save(exp,Group,ids,file = "step2output.Rdata")
运行 find_anno(gpl_number) 代码会出现的报错：

在这里插入图片描述

解决办法：
方法一：
find_anno(gpl_number)
library(hgu133plus2.db);ids <- toTable(hgu133plus2SYMBOL)

方法二：
find_anno(gpl_number)
ids <- AnnoProbe::idmap('GPL570')

如果还是报错：

?AnnoProbe::idmap  #查看帮助文档，尝试type的三个参数，一个一个尝试

在这里插入图片描述

查看ids,要求ids只能有两列，第一列探针id，第二列symbol,并且列名都要是小写的列名

如果列名是大写的，就更改一下

colnames(ids) = c("probe_id","symbol")
遗落凡尘的萤火-生信小白
关注
  • 28
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
零基础入门转录组分析-数据处理（GEO数据库-芯片数据）配套资源
04-24
零基础入门转录组分析——数据处理（GEO数据库——芯片数据） https://blog.csdn.net/weixin_49878699/article/details/135436066 教程对应的原始文件+代码+处理好的数据
矿井槽波地震数据处理系统Geo Coal软件开发与应用.pdf
08-15
#资源达人分享计划#
零基础入门转录组分析-数据处理（GEO数据库-高通量测序数据）配套资源
04-24
零基础入门转录组分析——数据处理（GEO数据库——高通量测序数据） https://blog.csdn.net/weixin_49878699/article/details/136032388 教程配套的原始数据+代码+处理好的数据文件 已验证可以从头到尾正常运行，可放心食用
用于基因数据挖掘的基因表达数据库GEO.pptx
10-23
用于基因数据挖掘的基因表达数据库GEO.pptx
大数据挖掘影响肺腺癌总生存的分子机制.pdf
07-14
大数据挖掘影响肺腺癌总生存的分子机制.pdf
GEO基因芯片数据处理精华（一）：GEOquery包
wong2016的博客
12-21 1万+
合作研究请联系QQ 2279055353 GEO(Gene Expression Omnibus)是NCBI(美国国家生物信息中心)下的基因表达数据库，包括各种各样的基因芯片检测技术得到的试验记录与平台信息。GEO是最具知名度的基因表达数据存储数据库，这些数据包括单通道和双通道的微阵列实验，测量对象包括mRNA, 基因组cDNA, 蛋白质冗余物，以及各种非阵列技术，例如，高通量测序技术。现在，...
芯片数据分析笔记【03】 | GEO数据库使用教程及在线数据分析工具
BioInfoNotes
09-01 7868
芯片数据分析笔记【01】 | 基因芯片的基本原理芯片数据分析笔记【02】 | 芯片数据库GEO数据库全称GENE EXPRESSION OMNIBUS，是由美国国立生物技术信息中心NCBI...
【R芯片处理】入门GEO表达芯片数据分析该读一读的一些文章
u013313168的专栏
03-06 898
1、【r<-芯片处理】入门GEO表达芯片数据分析该读一读的一些文章 https://www.jianshu.com/p/e4daa6b4f93e 2、回顾基因表达芯片分析（数据处理） http://www.bioinfo-scrounger.com/archives/390 3、R源代码：基因芯片数据预处理：质量控制 http://www.dxy.cn/bbs/thread/363...
芯片数据分析步骤1 芯片数据下载-GEO
Cirno's Bioinformatic Career
05-06 1万+
从GEO数据库下载数据的方法 1、在GEO DATASETS中输入关键词，选择符合的GSE，在ftp中进行手动下载 2、找到符合的GSE，在R中使用GEOquery包进行下载 GEO数据库的数据种类 1、Platforms 平台 包含有芯片的探针信息，如cDNAs，寡核苷酸，ORFs，抗体。 以GPLxxx编号。 一个platform可以包含不同人上传的不同sample。 不同...
基因芯片GEO数据分析流程-limma
XH生信和机器学习空间
04-22 4513
最近工作关系，需要重现一个文章的基因芯片数据分析，查找差异基因，花了一天时间跑了limma流程，供大家参考。 论文名字为 Identification of inflammatory mediators in patients with Crohn’s disease unresponsive to anti-TNFα therapy, 是三组之间的差异基因比较。想复现这个图： 我图省事，直接GEO数据库中下载了基因表达量的矩阵文件GSE52746_series_matrix.txt.gz, 直接从mat
Y-Geo-Y-GUI_FDEM_Y-geo_
09-28
Y-GEO was written by Mahabadi
GEO地图数据分布处理
11-09
GEO地图数据分布处理
GeoTIFF图像文件的数据存储格式及读写
07-20
地理信息系统和遥感影像的处理和应用过程中，栅格影像都包含有各种地理信息，而一般的 BMP、JPG、1rIFF等图像存储格式却不能对各种地理信息进行有效的存储，因此GeoTIFF作为1rIFF的一种扩 展，由于可以存储各种地理信息而得到了广泛应用。简单介绍了1rIFF图像文件结构以及对地理数据的存储方式，文最后介绍了实现GeoTIFF图像文件的读写的关键步骤
geo-knowledge-hub:GEO知识中心数字图书馆
04-28
GEO知识中心数字图书馆 关于 所有成功的地球观测应用程序都有不同的组成部分： 政策指令； 国家优先事项； 卫星和实地观测； 合作者； 方法和算法； 和部署策略。 GEO Knowledge Hub是一个开放源代码的数字图书馆，旨在为社区服务，并确保所有这些组件都是可见的，可访问的，并且其他组件可以以编纂的方式共享其知识和经验，以进行与国家相关的，基于证据的决策，为了使这些知识能够被复制。 这将有助于提高（ 旗舰，倡议和社区活动）产生的知识的可复制性。 由InvenioRDM提供支持 GEO Knowledge Hub数字图书馆建立在之上， 是一个免费的开源软件框架，用于构建研究数据管理存储库。 安装 参见INSTALL.rst 。 跑步 请参阅RUNNING.rst 。 储存库组织 请参阅REPOSITORY.rst 。 执照 版权所有2020 GEO秘书处。 GE
geotools-26.1-bin.zip
11-23
geotools-26.1-bin.zip
GEO数据分析系列视频课程-视频教程网盘链接提取码下载 .txt
02-22
本系列课程将以视频的方式跟大家一起交流数据挖掘的神奇之处，用R软件和perl带大家玩转基因数据，从最简单的数据下载到最后我们绘制一张5年生存率，这桌饕餮盛宴，一定符合大家的口味。 视频大小：2.9 G
生物信息学入门 使用 GEO基因芯片数据进行差异表达分析（DEG）——Limma 算法 数据 代码 结果解读
热门推荐
无名岛
10-30 7万+
差异表达分析通常作为根据基因表达矩阵进行生物信息学分析的第一步，有助于我们观察基因在不同样本中的表达差异，从而确定要研究的基因和表型之间的联系。常用的基因表达数据来自基因芯片或高通量测序。虽然矩阵看起来差不多，但是由于服从不同的分布，因此在进行差异表达的时候需要用不同的方法。对于一般的生命科学领域科研人员来说，了解晦涩的算法并没有太大价值。本文力求精简，从数据——算法——结果三个方面...
python实现——分类类型数据挖掘任务（图形识别分类任务）
最新发布
weixin_66547608的博客
05-31 436
岩石种类有砾岩（Conglomerate）、安山岩（Andesite）、花岗岩（Granite）、石灰岩（Limestone）、石英岩（Quartzite）和5种，每种岩石图片各50张，共250张。定义：数据增强是利用现有数据生成新的数据来增加数据量的过程，能够有效地扩充训练数据集的大小，提高模型的泛化能力，同时也能够有效地防止过拟合现象的发生。注意自己python代码的文件引入路径（确保对应的路径下有对应的文件，我这里设置的是根目录下）使用save函数对训练好的模型进行保存，方便后续使用。
数据挖掘与机器学习——分类算法
m0_63181360的博客
05-28 295
1.回归 2.分类。机器学习算法最普通分类： 分类算法的定义： 分类算法的应用： 分类器实现分类： 分类器的构建标准： 概率模型： 贝叶斯公式： 朴素贝叶斯算法（朴素贝叶斯分类器）： 案例： 注意： python实现： KNN算法 空间向量模型： KNN的定义： 案例：
怎么使用geo进行数据挖掘？
06-11
GEO（Gene Expression Omnibus）是一个由美国国家医学图书馆（National Library of Medicine）维护的公共基因表达数据仓库。它提供了大量的基因表达数据及其相关的样本信息，可以用于生物医学研究和数据挖掘。 以下是使用GEO进行数据挖掘的一些步骤： 1. 数据获取：从GEO数据库中下载适当的数据集，可以使用NCBI的GEO查询工具或者其他第三方工具。 2. 数据预处理：对于下载的数据集进行预处理，包括数据清洗、归一化和标准化等操作。 3. 特征提取：使用特征提取算法将原始数据转换为更易于处理的形式，例如主成分分析（PCA）和因子分析（FA）等。 4. 模型选择：根据数据类型和研究目的选择合适的数据挖掘模型，例如聚类分析、分类器、关联规则挖掘等。 5. 模型评估：通过交叉验证和其他评估方法对模型进行评估和优化，以提高预测准确性和可解释性。 6. 结果解释：根据数据挖掘结果，进行生物信息学和统计分析，从而得到生物学上有意义的结论。 需要注意的是，GEO数据集的质量和可靠性也是进行数据挖掘的关键因素之一，需要仔细选择和处理数据集，以保证分析结果的可靠性和可重复性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值