Igenebook的博客

运营至今合作的科研客户超2000家，涵盖国内知名科研院所、高校以及相关生物企业，科研成果曾多次在Science、Cancer Cell、Nature Communications、J HEMATOL ONCOL、Plant Cell 等国际高水平学术期刊发表，受到了客户广泛好评，是国内成长最迅速的高通量测序科研服务企业之一。另外你可以根据自己的喜好选择上调，下调和不显著基因的颜色，输出名默认是result。等子模块，本着用户至上的理念，平台小工具将会持续更新维护，积极接受用户的反馈和意见。

右侧的工具介绍对fasta文件序列提取小工具的主要用途，使用方法以及结果解读做了详细的说明。在生物学研究中，我们常常需要提取某些关注的基因或者蛋白的序列，用于进一步的实验研究和分析。通过提取特定的核酸或蛋白序列，我们可以使用这些序列可以用于序列比对、进化分析和基因家族等等分析。当原始的fasta序列文件较大或者要提取的序列较多时，手动查找效率很低，基于此，我们开发了根据序列ID提取fasta里序列的小工具，以方便客户。等子模块，本着用户至上的理念，平台小工具将会持续更新维护，积极接受用户的反馈和意见。

前面若干列代表的是输入的元素集合状态（TRUE 代表参与交集，FALSE代表的是不参与交集），倒数第二列是满足组合状态下的值，最后一列代表的是具体组合状态的交集元素。每个（椭）圆形代表一个集合，圆形之间的重叠部分表示两个集合的交集，即同时属于这两个集合的元素。不过，随着数据集的增加，Venn图的复杂度也会增加，如超过四集合Venn图对于人类视觉来说可能难以准确解释。右侧的工具介绍对Venn图小工具的主要用途，使用方法以及结果解读做了详细的说明。也可通过任务名、任务编码、日期点击查询，找到需要的任务。

PCA（主成分分析）是一种广泛使用的数据降维技术，它在多个领域都有重要的意义和应用，用于从数据集中提取最重要的特征。它通过正交线性变换将数据从原始空间转换到新的空间，这个新空间由几个主成分组成，这些主成分在新的空间中具有最大的方差。在基因组学中，PCA可以用于分析大规模的基因组数据，帮助识别与疾病相关的基因。尽管中心化可以减少均值的影响，但在某些情况下，你可能还需要对数据进行标准化，即将每个变量的标准差设为1。等子模块，本着用户至上的理念，平台小工具将会持续更新维护，积极接受用户的反馈和意见。

1. 计算富集分数（ES） 富集分数：S 反应基因集（比如某个通路内的基因集）成员 s 在排序基因集 L（比如根据 logFC 排序的差异基因集，默认降序，所以上调基因在顶端）的两端富集的程度。正值ES表示基因集 S 在基因集 L 的顶部富集，负值ES表示基因集 S 在基因集 L 的底部富集。第三部分是排序后所有基因 rank 值的分布，热图红色部分对应的基因在 A 组高表达，蓝色部分对应的基因在 B 组高表达，每个基因对应的信噪比（Signal2noise，前面选择的排序值计算方式）以灰色面积图展示。

ORA以fisher精确检验(一种超几何分布检验)为代表，需要目标基因集(对什么基因集进行富集分析)，通常是差异基因，当然也可以是其他目标基因集，比如上期我们分享的时序分析聚类基因、多个组学联合筛选的候选基因集、WGCNA分析中关注的模块基因等等。右侧的工具介绍和常见问题对富集分析小工具的主要用途，使用方法以及结果解读做了详细的说明。富集柱状图展示的是差异基因在不同条目（通路）中的数目分布情况，通常以x轴表示该条目的数量，y轴表示富集条目，柱子的颜色表示显著性，用红蓝渐变色表示，颜色越红代表该条目越显著。

通过分析基因在不同时间点上的表达水平变化，可以识别关键的调控因子和信号通路，深入探索基因调控的动态机制。membership指的是数据点属于每个聚类的程度，通常用一个0到1之间的值表示，表示该数据点与每个聚类中心的相似程度。在转录组数据分析过程中，我们最常做的是不同处理方式的样本之间的比较（Treated vs Control），这时候我们采用“DEG分析+pathway分析”的方式就可基本完成对数据的分析，但有时会获得。等子模块，本着用户至上的理念，平台小工具将会持续更新维护，积极接受用户的反馈和意见。