Bubbles可以同時(shí)展示pvalue和表達(dá)量。例如展示motif的pvalue和motif對(duì)應(yīng)的轉(zhuǎn)錄因子的表達(dá)量，方便快速看出轉(zhuǎn)錄因子富集且高表達(dá)所在的group，預(yù)示著該分組對(duì)細(xì)胞狀態(tài)的改變（例如細(xì)胞分化、轉(zhuǎn)移、應(yīng)激）起關(guān)鍵調(diào)控作用；例如做基因功能富集分析時(shí)，展示富集的通路qvalue和基因數(shù)量或geneRatio。
基本原理：
Bubbles的實(shí)質(zhì)是分組數(shù)據(jù)下基因表達(dá)量或通路內(nèi)基因數(shù)量的可視化，同時(shí)可以展示pvalue。
數(shù)據(jù)要求：
表達(dá)矩陣，分組 參考國內(nèi)外數(shù)據(jù)資源，根據(jù)需求制定構(gòu)建方案。遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)活動(dòng)
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(gè)生物學(xué)狀態(tài)（如**與對(duì)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(jì)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(huì)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(gè)概念：預(yù)先定義的基因集S（基于先驗(yàn)知識(shí)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(duì)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(duì)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。 上海公共數(shù)據(jù)庫挖掘數(shù)據(jù)科學(xué)售后分析WGCNA其譯為加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析。
LASSO回歸：更多的變量在擬合時(shí)往往可以給出一個(gè)看似更好的模型，但是同時(shí)也面臨過度擬合的危險(xiǎn)。此時(shí)如果用全新的數(shù)據(jù)去驗(yàn)證模型(Validation)，通常效果很差。一般來說，變量數(shù)大于數(shù)據(jù)點(diǎn)數(shù)量很多，或者某一個(gè)離散變量有太多獨(dú)特值時(shí)，都有可能過度擬合。LASSO回歸復(fù)雜度調(diào)整的程度由參數(shù)λ來控制，λ越大對(duì)變量較多的線性模型的懲罰力度就越大，從而**終獲得一個(gè)變量較少的模型。LASSO回歸與Ridge回歸同屬于一個(gè)被稱為ElasticNet的廣義線性模型家族。這一家族的模型除了相同作用的參數(shù)λ之外，還有另一個(gè)參數(shù)α來控制應(yīng)對(duì)高相關(guān)性(highlycorrelated)數(shù)據(jù)時(shí)模型的性狀。LASSO回歸α=1，Ridge回歸α=0，一般ElasticNet模型0<α<1。LASSO過程中我們通常會(huì)進(jìn)行多次交叉驗(yàn)證（crossvalidation）擬合（1000次）進(jìn)而選取模型，從而對(duì)模型的性能有一個(gè)更準(zhǔn)確的估計(jì)。
ROC機(jī)器學(xué)習(xí)受試者工作特征曲線（receiveroperatingcharacteristiccurve，簡稱ROC曲線），又稱為感受性曲線（sensitivitycurve），是用來驗(yàn)證一個(gè)分類器（二分）模型的性能的。一般應(yīng)用于直觀展示敏感性和特異性連續(xù)變量的綜合指標(biāo)，如比較多個(gè)biomarker或臨床參數(shù)的診斷表現(xiàn)、比較多個(gè)算法的分類效果?；驹鞷OC曲線工作原理是，向模型中輸入已知正負(fù)類的一組數(shù)據(jù)，對(duì)比模型對(duì)該組數(shù)據(jù)的預(yù)測，衡量這個(gè)模型的性能。術(shù)語解讀:1、TP（TruePositive,真正,TP）被模型預(yù)測為正的正樣本（原來為正預(yù)測為正）2、TN（TrueNegative,真負(fù),TN）被模型預(yù)測為負(fù)的負(fù)樣本（原來為負(fù)預(yù)測為負(fù)）3、FP（FalsePositive,假正,FP）被模型預(yù)測為正的負(fù)樣本（原來為負(fù)預(yù)測為正）4、FN（FalseNegative,假負(fù),FN）被模型預(yù)測為負(fù)的正樣本（原來為正預(yù)測為負(fù)）5、真正類率(TruePostiveRate)TPR:TP/(TP+FN),**分類器預(yù)測的正類中實(shí)際正實(shí)例占所有正實(shí)例的比例。Sensitivity6、假正類率(FalsePostiveRate)FPR:FP/(FP+TN)，**分類器預(yù)測的負(fù)類中預(yù)測為正實(shí)例(實(shí)際為負(fù)實(shí)例)占所有負(fù)實(shí)例的比例。1-Specificity7、真負(fù)類率(TrueNegativeRate)TNR:TN/(FP+TN)。 采用機(jī)器學(xué)習(xí)算法對(duì)疾病的干性指數(shù)進(jìn)行分型分類研究。
GSEA基本原理從方法上來講，GSEA主要分為基因集進(jìn)行排序、計(jì)算富集分?jǐn)?shù)（EnrichmentScore，ES）、估計(jì)富集分?jǐn)?shù)的***性水平并進(jìn)行多重假設(shè)檢驗(yàn)三個(gè)步驟。**步對(duì)輸入的所有基因集L進(jìn)行排序，通常來說初始輸入的基因數(shù)據(jù)為表達(dá)矩陣，排序的過程相當(dāng)于特定兩組中（case-control、upper-lower等等）基因差異表達(dá)分析的過程。根據(jù)所有基因在兩組樣本的差異度量不同（共有六種差異度量，默認(rèn)是signal2noise，GSEA官網(wǎng)有提供公式，也可以選擇較為普遍的foldchange)，對(duì)基因進(jìn)行排序，并且Z-score標(biāo)準(zhǔn)化。第二步是GSEA的**步驟，通過分析預(yù)先定義基因集S在**步獲得的基因序列上的分布計(jì)算富集指數(shù)EnrichmentScore，并繪制分布趨勢圖Enrichmentplot。每個(gè)基因在基因集S的EnrichmentScore取決于這個(gè)基因是否屬于基因集S及其差異度量（如foldchange）。差異度量越大基因的EnrichmentScore權(quán)重越大，如果基因在基因集S中則EnrichmentScore取正，反則取負(fù)。將基因集L在基因集S里的所有基因的EnrichmentScore一個(gè)個(gè)加起來，就是Enrichmentplot上的EnrichmentScore趨勢，直到EnrichmentScore達(dá)到**值，就是基因集S**終的EnrichmentScore。第三步是為了檢驗(yàn)第二部獲得結(jié)果的統(tǒng)計(jì)學(xué)意義。 蛋白組代謝組個(gè)性化分析。遼寧成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)經(jīng)驗(yàn)豐富
文稿投稿2個(gè)月online 發(fā)表。遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)活動(dòng)
Nomogram列線圖（nomogram，諾莫圖）是在平面直角坐標(biāo)系中，用一簇互不相交的線段表示多個(gè)臨床指標(biāo)或者生物學(xué)特征，用以預(yù)測一定的臨床結(jié)局或者某類事件發(fā)生的概率的圖。列線圖使預(yù)測模型的結(jié)果更具有可讀性，可個(gè)性化地計(jì)算特定**患者生存率,在臨床實(shí)踐中有較大的價(jià)值。一般可應(yīng)用的研究方向有：將回歸的結(jié)果進(jìn)行可視化呈現(xiàn)，對(duì)個(gè)體樣本給出其發(fā)病風(fēng)險(xiǎn)或比例風(fēng)險(xiǎn)；根據(jù)多個(gè)臨床指標(biāo)或生物學(xué)特征，判斷個(gè)體樣本的疾病分類或特征?；驹恚毫芯€圖的理論于1884年提出，**早用于工程學(xué)。它能夠?qū)?fù)雜的計(jì)算公式以圖形的方式，快速、直觀、精確的展現(xiàn)出來。列線圖通過構(gòu)建多因素回歸模型（例如Cox回歸、Logistic回歸等），根據(jù)模型中各個(gè)影響因素對(duì)結(jié)局變量的影響程度的高低，即回歸系數(shù)的大小，給每個(gè)影響因素的每個(gè)取值水平進(jìn)行賦分。將各個(gè)評(píng)分相加得到總評(píng)分，通過總評(píng)分與結(jié)局事件發(fā)生概率之間的函數(shù)轉(zhuǎn)換關(guān)系，從而計(jì)算出該個(gè)體結(jié)局事件的預(yù)測概率。校準(zhǔn)曲線（calibrationcurve）為實(shí)際發(fā)生率和預(yù)測發(fā)生率的散點(diǎn)圖，常于用于化工行業(yè)溶液配制。在這里通過觀察預(yù)測值與實(shí)際值相差情況，判斷基于回歸模型構(gòu)建列線圖的有效性。 遼寧算法還原與開發(fā)數(shù)據(jù)科學(xué)活動(dòng)