immune-network免疫網(wǎng)絡(luò)**微環(huán)境（TME）是**周圍的環(huán)境，包括周圍血管,，免疫細(xì)胞,，成纖維細(xì)胞，信號(hào)分子和細(xì)胞外基質(zhì)（ECM）,。**與周圍微環(huán)境密切相關(guān),，不斷相互作用。**可以通過(guò)釋放細(xì)胞外信號(hào),，促進(jìn)**血管生成和誘導(dǎo)外周免疫耐受來(lái)影響微環(huán)境,，而微環(huán)境中的免疫細(xì)胞可以影響*細(xì)胞的生長(zhǎng)和進(jìn)化,。免疫細(xì)胞泛指所有參與免疫反應(yīng)的細(xì)胞，也特指能識(shí)別抗原,，產(chǎn)生特異性免疫應(yīng)答的淋巴細(xì)胞等,。主要包括T淋巴細(xì)胞,、B淋巴細(xì)胞,、單核細(xì)胞、巨噬細(xì)胞,、粒細(xì)胞,、肥大細(xì)胞、輔佐細(xì)胞,，以及它們的前體細(xì)胞等,，是免疫系統(tǒng)的功能單元。**微環(huán)境中免疫細(xì)胞之間相互作用形成免疫網(wǎng)絡(luò),，網(wǎng)絡(luò)設(shè)立可以清晰了解**微環(huán)境中免疫細(xì)胞之間的影響機(jī)制,。應(yīng)用場(chǎng)景用網(wǎng)絡(luò)圖同時(shí)展示相關(guān)關(guān)系、pvalue,、聚類/分類結(jié)果,、跟預(yù)后的關(guān)系。-例如例文中各細(xì)胞之間的相關(guān)關(guān)系,、跟預(yù)后的關(guān)系,。基本原理：免疫系統(tǒng)遍布全身,，涉及多種細(xì)胞,、***、蛋白質(zhì)和組織,。它可以區(qū)分我們的組織和外來(lái)組織自我和非自我,。死亡和有缺陷的細(xì)胞也會(huì)被免疫系統(tǒng)識(shí)別和***。如果免疫系統(tǒng)遇到病原體就會(huì)產(chǎn)生免疫反應(yīng),。免疫細(xì)胞泛指所有參與免疫反應(yīng)的細(xì)胞,，也特指能識(shí)別抗原，產(chǎn)生特異性免疫應(yīng)答的淋巴細(xì)胞等,。 不斷拓展各類大學(xué),、科研院所、醫(yī)院學(xué)術(shù)資源,，互通有無(wú),，形成強(qiáng)大學(xué)術(shù)生態(tài)圈。遼寧臨床統(tǒng)計(jì)數(shù)據(jù)科學(xué)專業(yè)服務(wù)

    survivalCurve生存分析生存分析（survivalCurve）旨在更好地分析對(duì)不同因素對(duì)患者預(yù)后的影響,，從而找到影響患者疾病的關(guān)鍵因素,。生存曲線（Kaplan-Meier曲線）是生存分析的基本步驟,，展示分類樣本的生存曲線，從而揭示不同因素對(duì)疾病預(yù)后的影響,。一般可應(yīng)用的研究方向有：患者的生存期跟基因變異的關(guān)系,、藥物處理導(dǎo)致模式動(dòng)物生存期變化?；驹鞬aplan-Meier法,，直接用概率乘法定理估計(jì)生存率，故稱乘積極限法（product-limitmethod）,，是一種非參數(shù)法,。相比其他方法，KM曲線能更好的處理刪失數(shù)據(jù),。先將樣本生存時(shí)間從小到大排列,。若遇到非刪失值和刪失值相同時(shí)，非截刪失****,。在生存時(shí)間后列出與時(shí)間相應(yīng)的死亡人數(shù),，期初病例數(shù)（即生存期為某時(shí)間時(shí)尚存活的病例數(shù)）。然后計(jì)算活過(guò)每個(gè)時(shí)間點(diǎn)的生存率,。以生存時(shí)間為橫坐標(biāo),，生存率為縱坐標(biāo)所作的曲線，即為Kaplan-Meier曲線,。術(shù)語(yǔ)解釋風(fēng)險(xiǎn)比（HazardRatio,HR）：Kaplan-Meier方法中計(jì)算的風(fēng)險(xiǎn)比HR為兩分組對(duì)生存期影響的比例,，用來(lái)描述該基因高表達(dá)對(duì)生存期的危險(xiǎn)程度。該方法中的假設(shè)檢驗(yàn)為兩組中樣本的生存期是否存在差異,，即該因素是否會(huì)導(dǎo)致生存期的改變,。刪失（censored）：在生存分析中。 四川生物/藥物信息學(xué)分析數(shù)據(jù)科學(xué)共同合作采用機(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,。

    GeneBodyProfile（對(duì)比不同的樣品在某一區(qū)域的信號(hào)特征,，不**于ChIP-seq、DNase-seq,、ATAC-seq數(shù)據(jù)）：GeneBodyProfile表觀遺傳修飾和對(duì)基因表達(dá),、細(xì)胞發(fā)育等過(guò)程有著深遠(yuǎn)的影響，但相關(guān)的研究還未完善,。通過(guò)對(duì)比不同的樣品在某一區(qū)域的信號(hào)特征,，了解不同情況下該基因的表觀遺傳情況，幫助更好的了解其發(fā)***展過(guò)程,。一般應(yīng)用場(chǎng)景：觀察相關(guān)基因轉(zhuǎn)錄起始位點(diǎn)（TSS）,、轉(zhuǎn)錄終止位點(diǎn)（TTS）、genebody以及兩側(cè)信號(hào)特征；觀察某一功能區(qū)域（CpGi,、TSS,、TTS、peaksummits或enhancer區(qū)）及其兩側(cè)信號(hào)特征,。數(shù)據(jù)要求：ChIP-seq,、DNase-seq或ATAC-seq數(shù)據(jù)。下游分析：基于展示的基因或功能情況1.補(bǔ)充展示部分的已有相關(guān)研究2.解釋展示部分對(duì)研究課題的意義,。

    GSEA數(shù)據(jù)要求1,、通常為表達(dá)譜芯片或測(cè)序數(shù)據(jù)（已經(jīng)過(guò)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(shì)圖（Enrichmentplot）橫坐標(biāo)：按差異表達(dá)差異排序的基因序列,。數(shù)值越小（偏向左端）的基因**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?duì)照組中有越高倍數(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(gè)動(dòng)態(tài)的值，沿著基因序列,，找到條目中的基因則增加評(píng)分,，否則減少評(píng)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),。 與復(fù)旦大學(xué)問(wèn)附屬醫(yī)院合作，開(kāi)發(fā)人血液外泌體中RNA的數(shù)據(jù)庫(kù),。

    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(guò)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(lái)說(shuō)，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(guò)度擬合,。LASSO回歸復(fù)雜度調(diào)整的程度由參數(shù)λ來(lái)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(lái)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(guò)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),。 實(shí)驗(yàn)室致病類病原微生物數(shù)據(jù)分析平臺(tái),。山東診療軟件開(kāi)發(fā)數(shù)據(jù)科學(xué)共同合作

OmicCircos圖可以對(duì)感興趣的多個(gè)基因，展示其染色體的位置,、拷貝數(shù)變異等多個(gè)特征,。遼寧臨床統(tǒng)計(jì)數(shù)據(jù)科學(xué)專業(yè)服務(wù)

三角坐標(biāo)統(tǒng)計(jì)圖是采用數(shù)字坐標(biāo)形式來(lái)表現(xiàn)三項(xiàng)要素的數(shù)字信息圖像。三角形坐標(biāo)圖常用百分?jǐn)?shù)（%）來(lái)表示某項(xiàng)要素與整體的結(jié)構(gòu)比例,。三條邊分別表示三個(gè)不同分量,，三個(gè)頂點(diǎn)可以看作是三個(gè)原點(diǎn)。三角圖可以展示某特定值在一個(gè)整體中不同類型的分布,。在生物信息中三角圖可以方便地展示3種不同疾病或者3個(gè)不同分組之間某個(gè)指標(biāo)的相關(guān)性,。

數(shù)據(jù)要求

多個(gè)樣本的三個(gè)變量值，或者多個(gè)基因在三個(gè)不同分組中的數(shù)據(jù)值,，可以是突變頻率數(shù)據(jù),、基因表達(dá)數(shù)據(jù)、甲基化數(shù)據(jù)等,。 遼寧臨床統(tǒng)計(jì)數(shù)據(jù)科學(xué)專業(yè)服務(wù)