肿瘤微环境细胞和肿瘤中浸润免疫和基质细胞的程度对预后有显着贡献,在肿瘤微环境中,免疫和基质细胞是两种主要类型的非肿瘤组分,并且已被提出对于肿瘤的诊断和预后评估是有价值的;基于ESTIMA...
最近偶然看到一篇生信建模的文章,思路清奇,让人茅塞顿开。 从标题上来看 是一篇分析胰腺癌甲基化异常的 基因的预后signature,这个题材的文章 看个标题就差不多能猜出来干了什么事,但好奇...
今天介绍一篇三分多的文章,这篇文章简单到你难以想象,总结内容涉及到的技能主要在以下六个方面: 1、公共数据集,样本量25个 2、在线工具GEO2R进行差异分析 3、使用DAVID进行差异基因的GO...
很多研究都是集中在大样本的基因集中去筛选目标基因,这也是常规做数据挖掘的思路,但是做基础实验的常常关注某个基因,那么一个基因怎么做公共数据挖掘? 这里有两个秘籍分享给大家 1、横向...
该文发表与2018年9月,二区,3.4分 DNA甲基化是一种主要的表观遗传机制,是基因表达的重要调节因子,可以抑制转录因子的结合或抑制蛋白的募集。以前的研究表明,表观 遗传基因调控中的DNA 甲基...
我们常用ConsensusCluster来做聚类或者寻找分子亚型,常见的用法是考虑CDF下降坡度稳定小,比如图B、D中应该是k=5,然而有时候选择该值未必完全遵循此规律。 比如这篇CCR的文章,就没有按照...
零基础,想“短平快”不做实验发SCI的同学;讲师郎中1987对于meta分析的专业程度是现在少有人可以相比的,他发的30多篇文章里90%都是Meta分析,足见他对Meta套路的熟谙。
做生物信息一项必备的技能是寻找可用的数据,很多时候手头的数据不够,有很多的公共数据库数据可以使用,如何充分利用这些公共数据则显得尤为重要,GEO数据库中有大量的芯片数据,很多常见的芯...
数据准备: 1、表达矩阵,比如300个样本,20000个基因 2、表达矩阵分成癌症样本矩阵假设200个样本(C)和正常样本矩阵假设100个样本(E) 3、取正常样本矩阵E 4、取表达谱矩阵E中的任意基因g...
偶然看到这样的一个问题:R做生存分析关于survdiff函数的问题,让我想起了这个问题有时候K-M法和Cox回归的结论不一样,尤其是在做Cox时是显著的,在使用K-M时却分不开,不显著,很多人在这个时候...
使用TCGA简易下载工具的同志们一直很好奇,RNA-Seq数据集中的ID是怎么转换的,今天就介绍一下原理 首先我们根据TCGA官网提供的RNA-Seq pipline(https://docs.gdc.cancer.gov/Data/Bioinformat...
本文由【计算表观遗传学】公众号首发,针对表观遗传领域中研究最为广泛的DNA甲基化修饰及其广泛应用的群体研究中甲基化水平检查芯片技术进行系列讲解,帮助初学者了解芯片甲基化数据的获取、处理及深入分析的流程。感兴趣者可在公众号和社区中留言交流。
生存分析在线工具
应用SPSS软件对已有数据进行生存分析
用R语言进行生存分析
文章对生存分析的概念以及特点进行初步介绍
年龄和性别对脑部基因表达的影响?H3K27ac和H3K4me1两个组蛋白marker在ESC和NPC里面的变化区别?剂量效应的差异分析如何下结论呢?KO掉Klf5 基因对ESC分化的影响 干扰BMI1的表达对胚状体和胚...
如果得到了一个可靠的表达矩阵,那么后续的一切分析都不是事,非常简单,分分钟做几百个差异分析,富集分析。但是,如果保证你的表达矩阵是可靠的呢?毕竟一般人也就是从GEO里面直接下载作者处...
TCGA数据库的肿瘤相关测序数据非常丰富,各种玩法都可以发文章,基本上都是有人带头其余模仿即可
WGCNA(Weighted Correlation Network analysis)是一个基于基因表达数据,构建基因共表达网络的方法。WGCNA和差异基因分析(DEG)的差异在于DEG主要分析样本和样本之间的差异,而WGCNA主要分析的是基因和基因之间的关系。WGCNA通过分析基因之间的关联关系,将基因区分为多个模块。而最后通过这些模块和样本表型之间的关联性分析,寻找特定表型的分子特征。