转录组与表达芯片数据挖掘方法学习笔记
表达数据挖掘
三张表
表达矩阵：（GEO数据库）---差异表达分析
image.png
样本信息表（每一列描述）
前两张做
差异表达分析
基因信息表（每一行描述）
基因与表型关系
1.差异表达分析
FC差异倍数，
差异表达结果可视化----火山图、热图
2.差异基因富集分析：GO 分类、pathway分类
image.png
generatio >> bgratio 且 pvalue <0.05这些差异基因富集到这个功能分类上
差异分析结果展示
image.png
3.样本聚类分析：样本量大时
哪些基因和油脂含量高低有影响
image.png
哪些样本和哪些样本的表达模式是相似的（x轴为样本一，以y轴为样本2，大概可以看到所有的点都集中在一条直线上（用相似性算），这就叫两个样本的表达模式很相似）
image.png
油脂含量在10天的时候高低分开
相关系数是聚类的基础
组间差异大，组内差异小，这就是对的
image.png
找基因间的相关系数，表达模式相似，两个基因之间有某种关系
image.png
image.png
基因一（x）和基因2（y）集中在那条线上，相关性很高
image.png
许多基因影响表型
先把好多基因（表达模式相似的基因）聚类在一起，cluster，，，，，每个cluster负责一个功能，，，，干啥事呢，，，拿cluster与表型再去做关联，
image.png
WGCNA分析，加权共表达分析
探索基因与表现得关系
1.模块构建A图
每个细线代表一个基因，每个颜色一个cluster
2.算相关性
每一列一个表型
每一行一个cluster
哪个模块与哪个表型相似
image.png
紫色圈里面相关性最高
哪个cluster有34个基因，那么那么多的基因与花青素的相关性肯定不是一样高的
3.鉴定Hub基因
把这34个基因用一个软件：Cytoscape画一个网络图
image.png
处于关键节点处的基因就是最重要的基因hub节点
把基因由多到少的筛选，WGCNA就是聚类分析
优点：聚类首先算相关性，构成一个距离矩阵，后来不合理，好多基因组成的网络是无标度网络（右边的）
image.png
而相关性构建出来的网络不是无标度网络，而是随机网络，
image.png
image.png
WGCNA分析和聚类分析本质上都是降维分析，每个基因是一个维度
image.png
聚类分析（表达模式相似的基因聚在一起），
主成分分析-降维分析
原来一组相关变量经过线性变化转为不相关的
image.png
这样的pc1与所有的都有关系
image.png
1.pc1
2.pc1
举例
image.png
左上，主成分的贡献度 pc1最大
image.png
上图中每个点代表一个样本，
下图中，把所有点落在x轴上看
image.png
pc1把时间那个四个时期划分开了，，，要想研究四个时期，就应该重点研究pc1
那怎么研究pc1呢？研究那些pc1的基因里贡献最大的
image.png
都话在这张图上，，那就重点研究pc1里的这些基因，是与苹果发育的时期相关的基因
通过PCA分析，将基因与表型对上了
PCA案例
image.png
pc1把根茎其他组织区分开了--组织之间的差异
image.png
野生番茄和栽培番茄的差异，研究PC3，
总结
表达数据挖掘----哪些基因跟我们表型相关
image.png
image.png
1、找到关键基因的三种方法
image.png
每种方法画哪种图，已经找出来了。
2进一步研究那些基因功能，功能分析
基因少的话直接找基因功能，基因几千个的话，通过一些统计学的方法再去研究基因功能
1.富集分析
2.蛋白互作网络分析（已有数据库中看一下基因是否在功能上有聚集
做的图也在后面了
3.表达验证，测序靠不靠谱，再取几个样本做qPCR证明测序和表达芯片没问题；测序或芯片，样本重复少，，经费不够样本少要做
实验验证QPCR
数据库验证:TCGA（肿瘤数据库，肿瘤病人很多，正常人很少）
image.png
GTEX，这个数据库里都是正常人，跟上个数据库一比较，，你看我这个基因在肿瘤中表达量相当高，正常人中表达量很低
GEPIA2：将他们整合在一起验证的一个数据库
image.png
肿瘤的数据就可以不做实验就可以发文章了，有大量肿瘤数据库
刚才只是证明了，某个基因跟表型是相关的，要再做
功能验证
image.png
敲出，过表达，
生存分析
文章十分以上
为什么这个基因和这个功能相关呢
分子机制
image.png
各类数据库
image.png
~~~如果只有几十个基因，，要往后翻才能找到差异的PC
测序平台不同怎么整合数据(标准化、均一化）
同种的是可以的，都是illumina
~~~~
WGCNA分析不可以用差异基因做，
过滤要去掉样本间差异小的基因要过滤掉：比如SD方法等等
把这些基因去做WGCNA分析，而不是直接做完差异分析再去做WGCNA分析。
