Go富集分析Go富集是组学数据的常用手段分析 ， 通常用于挖掘GOterm的差异基因 。GO富集分析GO简介富集分析原理简介和大卫的Go富集，RNA-Seq(9富集-3/)是最广为人知的方法 ， 就是把GO和Kegg 富集 分析分别或联合起来 。
1、熟悉的肿瘤免疫微环境 分析,深入探究乳腺癌亚型的免疫差异一种由独特的肿瘤免疫微环境定义的乳腺癌的非依赖性贫血症亚型一种由独特的肿瘤免疫微环境定义的非依赖性贫血亚型乳腺癌发表期刊:NatCommun发表日期:2019Dec3影响因子:12 .121doi: 10.1038/s一、研究背景肿瘤微环境影响癌症的起始和进展 。
五种临床相关的分子亚型:LuminalA、LuminalB、Her2 富集型、基底型和正常型，具有不同的发病率、生存率、预后和肿瘤生物学特性 。除了癌细胞的生物学因素外，炎症微环境也影响肿瘤的发生和进展 。癌细胞周围的免疫微环境可以识别和抑制肿瘤生长或促进进展 。在乳腺癌中，高免疫浸润与更好的临床结果相关 。此外，高免疫浸润与对新辅助和辅助化疗的反应增加相关 。
2、...setvariationanalysis( 基因集变异 分析GSVA的全称是geneset variation Analysis(基因set variation分析)，是一种非参数无监督算法 。与GSEA不同，GSVA不需要预先对样本进行分组，可以计算出每个样本中特定的基因集合的富集得分 。换句话说，GSVA将基因的表达式数据从基因的单一表达式矩阵转换为基因集合的特定表达式矩阵 。GSVA对基因 富集的结果进行量化，可以更方便地用于后续的统计分析 。
与基因相比 ， 这些“差异表达”基因集合更具有生物学意义，可解释性更强，可进一步用于肿瘤亚型的分类及其他与生物学意义紧密结合的研究 。基本原理GSVA算法接受基因表达式矩阵(log2标准化芯片数据或RNAseqcount数据)和特定基因集 。
【基因集富集分析原理,基因GO富集分析柱状图解读】
3、RNA-Seq(9最广为人知的富集 分析方法是让GO和Kegg富集-3分别或一起 。经常会有一些数据集，取差基因得不到结果是正常的，因为富集确实没有任何访问 。试试GSEA，不取差基因，取全基因 ， 作为输入 。GSEA和围棋的区别，KEGG 分析:围棋，KEGG 分析更多的是依赖于基因，而实际上是基因( 。而GSEA发现基因集与整个基因的表达式矩阵有一致的差异，因此可以考虑基因GO和KEGG 富集这两个定性的 。
推荐阅读
- 模态分析的结果怎么看,hypermesh模态分析结果怎么看
- redis如何集群 redis怎么样设集群
- redis硬件配置 redis相关配置
- redis 效率 redis耗时命令
- redis 是数据库吗 redis是服务器么?
- redis 主节点 redis主和从节点作用
- redis做优惠互斥统计
- 重启 redis 怎么重启redis服务器
- redis缓存命中率计算 redis的缓存命中