想要拔高生信paper level的必备分析

没有吃透这些工具,那作为生信人是不合格的!

类似打球的肌肉记忆,生信分析也需要“肌肉记忆”,这就是对各种工具的熟练掌握,这样才能把精力放在重要问题的思考和推理上。

收集总结各种精华工具,做好代码测试和工具测评,有条件可以封装代码形成自己的函数,下次使用时即可一行代码调用,形成自己的“肌肉记忆”。

 

这里只作目录收集总览,具体测试代码会开单独的技术型文章,深入细节。 

 

ORA

普通的基因集富集,不想多说,必做。

 

GSEA

教程:Gene Set Enrichment Analysis (GSEA) User Guide – 官方

我之前的文章:

GSEA – Gene set enrichment analysis 基因集富集 | ORA – Over-Representation Analysis 分析原理与应用 

之前做GSEA分析都是用的clusterProfiler,它会使用现成的工具如fgsea,但这些工具已经过时太久了,现在有个GSEABase,可以替代。

新开一篇测试细节文章:GSEABase做富集分析

 

关于MSigDB的介绍 – MSigDB:GSEA提供的基因集数据库

 

变种

  • DGSEA
  • ssGSEA (单样本escape整合)

 

TF

必不可少,调控的核心。

主要工具:

  • SCENIC
  • 手动TF target分析
  • Cistrome

 

PPI

蛋白互作,跟调控擦边了,不局限与TF。

主要工具:

  • GENEMANIA
  • STRING

参考:cytoscape的十大插件之六-GENEMANIA

 

WGCNA

基因模块分析,数据特异性的结果

 

CCI

细胞通讯,细胞层面的调控。

主要工具:

  • CytoTalk
  • CellChat

参考:

Sci Adv|谭凯/高琳团队合作开发细胞间通讯分析新算法,从头构建细胞类型特异性信号转导网络 

 

inferCNV

重点应用在肿瘤癌症领域

 

 

待测试:

  • GenePattern
  • GSVA

 

统计

什么情况该用什么统计检验?

 

什么,你算出的P-value看上去像齐天大圣变的庙?

总被审稿人提起的多重假设检验校正是什么?

 

 


 

benchmark

A multicenter study benchmarking single-cell RNA sequencing technologies using reference samples – NBT – 2020

 

版权声明:本文为leezx原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://www.cnblogs.com/leezx/p/14752503.html