fnhp.net
当前位置:首页 >> gsEA结果解读 >>

gsEA结果解读

GSEA,基因探针富集分析,是基于评估来自微阵列的数据的各级别基因探针.GSEA的初始版本是用来分析糖尿病人与正常人的肌肉活组织采样数据.分析显示,有某些基因牵涉到糖尿病人的氧化磷酸化作用的减弱,而其他独立的微阵列研究和活体功能研究中也证实了这个结果.GSEA的使用方法是,使用者利用在权威刊物上发表过的相关生物学通路和实验得来的共表达数据,把基因探针分门别类,并根据相关性通过一系列运算,得出探针集是否能在表型上揭示出相关基因组的分布方式.

gsea,基因探针富集分析,是基于评估来自微阵列的数据的各级别基因探针.gsea的初始版本是用来分析糖尿病人与正常人的肌肉活组织采样数据.分析显示,有某些基因牵涉到糖尿病人的氧化磷酸化作用的减弱,而其他独立的微阵列研究和活体功能研究中也证实了这个结果.gsea的使用方法是,使用者利用在权威刊物上发表过的相关生物学通路和实验得来的共表达数据,把基因探针分门别类,并根据相关性通过一系列运算,得出探针集是否能在表型上揭示出相关基因组的分布方式.

Gene Ontology可分为分子功能(Molecular Function),生物过程(biological process)和细胞组成(cellular component)三个部分.蛋白质或者基因可以通过ID对应或者序列注释的方法找到与之对应的GO号,而GO号可对于到Term,即功能类

没有固定要求,合乎生物学解释是最重要的.你可以根据ES值进行排序,FDR一般小于0.05,但是也有卡到0.1的.如果FDR实在很难卡出来,直接忽视FDR,看pvalue也行,只要结果中有想要的通路存在.如果存粹是为了展示结果,那就FDR0.05吧,卡出什么就解释什么好了

这个比较简单,这些数据显示的是斯皮曼等级相关的相关系数,数字后面没有星的说明相关的置信度小于95%,不具有统计学意义,后面有一个星说明在0.05水平上显著,也就是做出判断犯弃真型错误的概率小于5%.有两颗星就是说犯这类错误的概率小于千分之一.这两种情况下我们说相关是显著的,有的也把0.01水平算上了,也很常用.相关系数为正就是说两因素成正相关,为负数就是成负相关,系数的大小说明相关的程度

Independent-Samples T Test过程用于进行两样本均数的比较,即常用的两样本t检验.可以看到:该结果分为两大部分:第一部分为Levene's方差齐性检验,用于判断两总体方差是否齐,这里的戒严结果为F = 0.117,P = 0.733,可见在本例中方差是齐的;第二部分则分别给出两组所在总体方差齐和方差不齐时的t检验结果,由于前面的方差齐性检验结果为方差齐,第二部分就应选用方差齐时的t检验结果,即上面一行列出的t= -1.951,自由度为59,P=0.056.从而最终的统计结论为按α=0.05水准,拒绝H0

筹dentities是同源性(相似性),例中所示比对的1588个碱基中只有3个不配,其他99%相同,同源性相当好几乎是一样的;Gaps是指多出或少的碱基或缺失的碱基数;Strand=plus/plus指两条序列方向相同,如果是plus/minus,即意味着一条是

当人类基因体定序计划的重要里程碑完成之后,生命科学正式迈入了一个后基因体时代,基因芯片 (microarray) 的出现让研究人员得以宏观的视野来探讨分子机转.不过分析是相当复杂的学问,正因为基因芯片成千上万的信息使得分析数据量庞大

Blast比对结果中,Score得分值越高说明同源性越好;Expect期望值越小比对结果越好,说明因某些原因而引起的误差越小;Identities是同源性(相似性),例中所示比对的1588个碱基中只有3个不配,其他99%相同,同源性相当好

方法/步骤 1、首先,打开或者是新建一组数据,这里是打开一组案例分析中的数据进行分析. 2、在浏览窗口中找到需要分析的数据. 3、选择分析,描述统计中的比率,单击打开. 4、弹出一个设置窗口,我们再这里设置比率的分子和分母还有分组变量. 分子和分母分别表示比率变量中的分子和分母变量. 分组变量一般是叙事变量,使用数值代码或者是字符串对分组变量进行编码. 5、这是根据数据中的变量设置的三个分值. 6、下面是对统计量进行设置分析. 打开统计量窗口,里面有四大块,根据数据统计分析自定义设置,设置完成之后确定即可. 7、下面是根据数据分析设置的显示结果,如下图所示:

网站首页 | 网站地图
All rights reserved Powered by www.fnhp.net
copyright ©right 2010-2021。
内容来自网络,如有侵犯请联系客服。zhit325@qq.com