凌云月的回答

0 赞同

miRNA数据选用哪种方法归一化？

voom 或者 TMM

回答于 2019-08-31 20:35

0 赞同

大部分的免疫浸润算法要求全部gene symbol。你可以关注免疫浸润细胞在某些基因表达高低差别。

回答于 2019-08-31 20:34

0 赞同

应该把你做的过程展示出来，注意提问技巧。

回答于 2019-08-31 20:32

0 赞同

sva包可以去批次效应合并四个数据集进行差异分析。也可以四个分别进行用limma包进行差异分析后，用RRA算吗合并四个差异分析结果，找到最佳的差异gene list。

回答于 2019-08-31 20:31

0 赞同

biomart包

回答于 2019-08-31 20:29

0 赞同

不建议用Python ，从tcga官方下载甲基化的txt数据，合并的预处理可以用Python 。但是后续的分析还是建议用R。比如CHAMP包等等。

回答于 2019-08-31 20:26

0 赞同

scale，如果感觉颜色变化不大，自己定义值区间范围。

回答于 2019-08-31 20:24

1 赞同

github上有人公开了相应R脚本，虽然官方是不允许这样做，但是用的时候一定要记住引用原始开发者的相应的文章。

回答于 2019-08-31 20:23

0 赞同

可以，这个标准由自己定，在神经系统方面，微小的变化都会产生效应。另外自己注意看看芯片数据是不是有批次效应，如果不去除批次效应，计算差异gene可能存在问题。

回答于 2019-08-31 20:22

0 赞同

GPL18109 中不是已经提供探针序列了用桑格助手的序列比对seqmap 进行重注释，或者自己安装seqmap 比对或者其他比对软件。

回答于 2019-08-31 17:21