GEO：图表和基础概念介绍

图表介绍

1.热图

• 输入数据是数值型矩阵/数据框
• 颜色变化表示数值大小

• 差异基因热图与相关性热图

  
  
  image.png
  
  
  image.png

2.散点图和箱线图

2.1 散点图

• 强调个体概念

  
  
  image.png

2.2 箱线图

• 强调分组概念，弱化个体概念
• 横坐标：字符串向量（重复值），并且不能太多

• 可能存在离群点，在最大值上/最小值下还有几个点

  
  
  image.png
• 应用：单个基因在两组之间的表达量差异

3. 火山图

• 一种特殊散点图
• 应用：多基因差异分析，logFC与P.Value/adj.P.Value
• Foldchange（FC）：处理组平均值/对照组平均值
  logFC：FC取log2
  logFC 阈值可调：0.585，1，1.25，1.75，2，2.2等
  根据阈值筛差异基因数量

• P值取log10

  
  
  image.png
  
  
  image.png
• logFC >0 treat>control ，基因表达量上升
  logFC <0 treat 通常所说的上调、下调基因是指表达量显著上升/下降的基因（结合P值）
• 例图中：
  上调基因：logFC > 1 p <0.01
  下调基因：logFC < 1 p<0.01
  logFC 阈值1可调，0.585，1，1.25，1.75，2，2.2等都可以
• P值越小，差异越显著，-log10(Pvalue)越大
• 标记基因名称：https://www.jianshu.com/p/aaae171ffe75

4. PCA（主成分分析）

• 用降维思想，把多指标转化为少数几个综合指标（即主成分）
• 需识别组间差距大于样本差距

• 中间大点，整个坐标系的中心位置，不是真实样本

  
  
  image.png
• 圈一般是95%置信区间
• 一文看懂主成分分析：https://mp.weixin.qq.com/s/Kw05PWD2m65TZu2Blhnl4w

2. GEO背景知识+表达芯片分析思路

2.1 表达数据实验设计

• 实验目的：通过基因表达量数据的差异分析和富集分析来解释生物学现象
• 有差异的材料→差异基因→代谢通路/功能注释→解释差异，缩小基因范围

曾老师： 数据挖掘的本质就是缩小目的基因的范围

2.2 数据库介绍

• GEO：隶属NCBI
• GEO2R：自带网页版R包，https://www.jianshu.com/p/5dcc454353c7

• 基础名词
  GSM：样本，样本数据
  GSE：系列，整个数据描述
  GPL：测序平台

  
  
  image.png
• 数据类型：芯片与高通量测序
• 基因表达芯片
  探针的表达量反应基因的表达量
  探针长度一般在6-80之间

2.3 表达矩阵

• 行名：探针id，需转换为gene symbol
• 列名：GSM，样本编号，需要分组信息

2.4 分析思路

image.png

• 数据探索（预实验）：差异基因热图、相关性热图、PCA
• 好几个差异基因：还要venn图

2.5 差异分析

limma包

• limma包只能用于分析芯片数据
• 本质上只是R包和函数
• 准备好需要输入的数据、用对函数与参数
• 转录组数据差异分析三大R包：limma(voom）、edgeR 、Deseq2

探针注释：探针与基因的对应关系

• 每个公司芯片命名方式各不相同
• 基因名也有多种
• 注释来源：
  Biocoductor注释包（最常用高频的基因）
  GPL的soft文件解析
  官网下载对应产品的注释表格
  自主注释：https://mp.weixin.qq.com/s/mrtjpN8yDKUdCSvSUuUwcA
  
  image.png

ceRNA网络：

miRNA、LncRNA、CircRNA靠谱小结：https://www.jianshu.com/p/7345dce38c91