生信技能树课程记录笔记（七）20220602-20220604

一、图表介绍

1.热图

（1）数值型矩阵、数据框：颜色代表数值大小

（2）相关性热图：有一半是冗余,可优化

（3）差异基因热图

2.散点图和箱线图

注：箱线图代表单个基因在两组间的表达差异

注：箱线图需要分组信息，同一个分组，分组关键词必须一致

注：箱线图向量的下标必须与表达矩阵一一对应

注：箱线图结果图比较扁，证明其重复性很好

3.火山图

（1）FC:处理组平均值/对照组平均值

logFC:对FC取对数

正常取值范围是10以内，lnF代表正无穷

logFC>0,treat>control,基因表达量上调，

logFC<0,treat>control,基因表达量下调，

常见阈值：1/2/1.2/2.2/0.565=log2（1.5）

4、主成成分分析【把多指标转化为少数几个综合指标（即主成分）】

（1）每一个点代表一个样本，点与点之间的距离代表样本之间的差异

中心点（95%置信区间）：不是样本点

作用：用于预实验，简单查看组间是否有差别

（2）PCA样本聚类图【数据较多时使用】

同一组是否聚成一簇（组内重复较好）/中心点间是否有差距（组间差别大）

二、GEO数据分析

1、分析思路

    

注：文章题目最好不要出现Bioinformatics

2、表达矩阵

行名:探针ID，分析时需要转化为gene_symbol

需要注释的是每个样本的分组信息

3、富集分析：衡量一条通路里的基因在差异基因里是否足够多

输入数据为：差异基因的entrezid

区别：symbol是基因名，entrezid是富集分析指定用的

注意这两个名称并非一一对应，损失/增加部分基因属于正常

GeneRation:差异基因里有x个属于这条通路

BgRation：通路里的基因数/KEGG数据库里总共多少个基因

探索：clusterprofiler包

一个补充链接：

一文极速读懂 Gene Ontology （GO）数据库 - 知乎 (zhihu.com)

三、代码分析流程

第二步与第三步是重点！