術(shù)語解釋：Cox回歸：又稱比例風(fēng)險回歸模型(proportionalhazardsmodel，簡稱Cox模型)，是由英國統(tǒng)計學(xué)家。該模型以生存結(jié)局和生存時間為應(yīng)變量，可同時分析多種因素對于生存期長短的影響。Cox模型能分析帶有截尾生存時間的資料，且不要求估計資料的生存分布類型，因此在醫(yī)學(xué)界被***使用。Logistic回歸：又稱邏輯回歸模型，屬于廣義線性模型。邏輯回歸是一種用于解決二分類問題的分析方法，用于估計某種事物的可能性。相較于傳統(tǒng)線性模型，邏輯回歸模型以概率形式輸出結(jié)果，可控性高且結(jié)果可解釋性強(qiáng)。數(shù)據(jù)要求：樣本臨床信息或生物學(xué)特征（基因突變、基因表達(dá)等）樣本的隨訪數(shù)據(jù)（總生存期，生存狀態(tài)）或樣本的分組情況下游分析：1.補(bǔ)充相關(guān)因素的已有相關(guān)研究2.解釋相關(guān)因素對研究課題的意義。 診療軟件開發(fā)、算法還原與開發(fā)、臨床統(tǒng)計等數(shù)據(jù)科學(xué)工作。四川診療軟件開發(fā)數(shù)據(jù)科學(xué)
術(shù)語解釋：互斥性（mutuallyexclusive）：一組基因中只有一個在一種**中發(fā)生改變，這種現(xiàn)象被稱為互斥性。共現(xiàn)性（co-occurrence）：不同途徑功能的基因突變可能發(fā)生在同一**中，這種現(xiàn)象被稱為共現(xiàn)性。數(shù)據(jù)要求：基因突變數(shù)據(jù)下游分析：對于存在共現(xiàn)性或互斥性的基因?qū)?基因集基因集的功能分析基因集相關(guān)的生存分析基于基因集的潛在靶向藥物分析文獻(xiàn)一：Functionalgenomiclandscapeofacutemyeloidleukaemia急性髓性白血病的功能基因組圖（于2018年10月發(fā)表在Nature.，影響因子）文獻(xiàn)中使用DISCOVER40方法評估531例白血病患者中**常見的復(fù)發(fā)性突變的共現(xiàn)性或排他性，并用點圖展示。文獻(xiàn)二：ALPK1hotspotmutationasadriverofhumanspiradenomaandspiradenocarcinoma文獻(xiàn)中利用DISCOVER共現(xiàn)性質(zhì)和互斥性分析工具對ALPK1和CYLD的互斥性進(jìn)行了評價。 四川診療軟件開發(fā)數(shù)據(jù)科學(xué)長期與交大、復(fù)旦、中科院、南大、藥科大等實驗室合作。
**突變頻譜分析（突變模式）：目的：輸入突變數(shù)據(jù)，用非負(fù)矩陣分解方法NMF分析突變特征，描述樣本集的突變模式。什么是突變模式：這也是對TCGA數(shù)據(jù)的深度挖掘，從而提出的一個統(tǒng)計學(xué)概念。文章（Signaturesofmutationalprocessesinhumancancer）研究了30種**，發(fā)現(xiàn)21種不同的mutationsignature。如果理解了，就會發(fā)現(xiàn)這個其實蠻簡單的，他們并不重新測序，只是拿已經(jīng)有了的TCGA數(shù)據(jù)進(jìn)行分析，而且居然是發(fā)表在nature上面！文章研究了4,938,362mutationsfrom7,042cancers樣本，突變頻譜的概念只是針對于somatic的mutation。一般是對**病人的**組織和*旁組織配對測序，過濾得到的somaticmutation，一般一個樣本也就幾百個somatic的mutation。還有其它文章（Mutationalsignatures:thepatternsofsomaticmutationshiddenincancergenomes）也是這樣分析的從2013年提出到現(xiàn)在，已經(jīng)有30種mutationsiganures，在cosmic數(shù)據(jù)庫有詳細(xì)記錄，更新見：MutationalSignatures。它的概念就是：根據(jù)突變上下文分成96類，然后每類突變的頻率不一樣畫一個條形圖，可視化展現(xiàn)。應(yīng)用場景：突變特征定義：體細(xì)胞突變是多個突變過程如DNA修復(fù)缺陷，暴露于外源或內(nèi)源誘變劑等綜合結(jié)果。
Lasso術(shù)語解讀λ(Lambda)：復(fù)雜度調(diào)整懲罰值，λ越大對變量較多的線性模型的懲罰力度就越大，**終獲得的變量越少。是指在所有的λ值中，得到**小目標(biāo)參量均值的那一個。而是指在一個方差范圍內(nèi)得到**簡單模型的那一個λ值。交叉驗證（crossvalidation）：交叉驗證是在機(jī)器學(xué)習(xí)建立模型和驗證模型參數(shù)時常用的辦法。交叉驗證，顧名思義，就是重復(fù)的使用數(shù)據(jù)，把得到的樣本數(shù)據(jù)進(jìn)行切分，組合為不同的訓(xùn)練集和測試集，用訓(xùn)練集來訓(xùn)練模型，用測試集來評估模型預(yù)測的好壞。在此基礎(chǔ)上可以得到多組不同的訓(xùn)練集和測試集，某次訓(xùn)練集中的某樣本在下次可能成為測試集中的樣本，即所謂“交叉”。數(shù)據(jù)要求：1、表達(dá)譜芯片或測序數(shù)據(jù)（已經(jīng)過預(yù)處理）或突變數(shù)據(jù)2、包含生存狀態(tài)和生存時間的預(yù)后數(shù)據(jù)或者其它臨床分組數(shù)據(jù)。 指導(dǎo)科研方案糾偏，更好更快發(fā)表文章。
GSEA分析：GSEA全名為GeneSetEnrichmentAnalysis（基因集富集分析）。用以分析特定基因集（如關(guān)注的GO條目或KEGGPathway）在兩個生物學(xué)狀態(tài)（如**與對照，高齡與低齡）中是否存在差異。能夠研究基因變化的生物學(xué)意義。普通GO/KEGG富集的思路是先篩選差異基因，然后確定這些差異基因的GO/KEGG注釋，然后通過超幾何分布計算出哪些通路富集到了，再通過p值或FDR等閾值進(jìn)行篩選。挑選用于富集的基因有一定的主觀性，沒有關(guān)注到的基因的信息會被忽視，所以有一定的局限性。在這種情況下有了GSEA（GeneSetEnrichmentAnalysis），其思路是發(fā)表于2005年的Genesetenrichmentanalysis:aknowledge-basedapproachforinterpretinggenome-wideexpressionprofiles。主要是要有兩個概念：預(yù)先定義的基因集S（基于先驗知識的基因注釋信息）和待分析基因集L（一般初始輸入是表達(dá)矩陣）；然后GSEA目的就是為了判斷S基因集中的基因是隨機(jī)分布于L（按差異表達(dá)程度對基因進(jìn)行排序），還是聚集分布在L的頂部或者底部（也就是存在差異性富集）。如果基因集中的基因***富集在L的頂部或者底部，這說明這些基因的表達(dá)對定義的分組（預(yù)先分組）的差異有***影響（一致性）。在富集分析的理論中。 處理生物醫(yī)學(xué)科研領(lǐng)域的組學(xué)數(shù)據(jù)處理、數(shù)據(jù)庫建設(shè)。廣東成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)怎么樣
文稿投稿2個月online 發(fā)表。四川診療軟件開發(fā)數(shù)據(jù)科學(xué)
GSEA數(shù)據(jù)要求1、通常為表達(dá)譜芯片或測序數(shù)據(jù)（已經(jīng)過預(yù)處理），也可以是其他形式可排序的基因數(shù)據(jù)。2、具有已知生物學(xué)意義（GO、Pathway、**特征基因集等）的基因集。下游分析：得到GSEA結(jié)果之后的分析有：1.基因注釋：1、繪制基因集富集趨勢圖（Enrichmentplot）橫坐標(biāo)：按差異表達(dá)差異排序的基因序列。數(shù)值越?。ㄆ蜃蠖耍┑幕?*在shICAM-1組中有越高倍數(shù)的差異表達(dá)，數(shù)值越?。ㄆ蛴叶耍┑幕蛟趯φ战M中有越高倍數(shù)的差異表達(dá)?？v坐標(biāo)：上方的縱坐標(biāo)為富集打分ES，ES是一個動態(tài)的值，沿著基因序列，找到條目中的基因則增加評分，否則減少評分。通常用偏離0**遠(yuǎn)的值作為**終富集打分。下方的縱坐標(biāo)**基因表達(dá)與表型的關(guān)聯(lián)，***值越大**關(guān)聯(lián)越強(qiáng)，數(shù)值大于0**正相關(guān)，小于0則**負(fù)相關(guān)。 四川診療軟件開發(fā)數(shù)據(jù)科學(xué)