GEO数据挖掘

图表介绍

1.热图

·输入数据是数值型矩阵\数据框
·颜色的变化表示熟知的大小

2.散点图和箱线图

箱线图：输入数据是一个数值型向量和一个字符串向量（重复值）
箱线图是单个基因在两组之间的表达量差异

3.火山图

Foldchange(FC):处理组平均值/对照组平均值
logFoldchange(logFC):Foldchange取log2
logFC>0，treat>control，基因表达量上升；
logFC<0，treat<control，基因表达量下降。
通常说的上调、下调基因是指表达量显著上升 / 下降的基因，结合P值。
P值越小，越有统计学差异，-log10(Pvalue)越大

4.主成分分析

主成分分析，旨在利用降维的思想，把多指标转化为少数几个综合指标（即主成分）。
根据这些主成分对样本进行聚类，代表样本的点在坐标轴上距离越远，说明样本差异越大。

GEO背景知识

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
GSM：用户提交给GEO的样本数据
GSE：一个完整的研究，并提供了整个研究的描述，包括对数据的描述，总结分析。
GPL：用户测序使用的芯片/平台。

基因表达芯片

探针的表达量反应基因的表达量

图片.png
limma包用于表达芯片数据差异分析
转录组数据差异分析三大R包：limma(voom)、edgeR、Deseq2
探针注释来源：
1.Biocoductor的注释包
2.GPL的soft文件解析
3.官网下载对应产品的注释表格
4.自主注释