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,，可個性化地計算特定**患者生存率,在臨床實踐中有較大的價值。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),，對個體樣本給出其發(fā)病風(fēng)險或比例風(fēng)險；根據(jù)多個臨床指標(biāo)或生物學(xué)特征,，判斷個體樣本的疾病分類或特征,。基本原理：列線圖的理論于1884年提出,，**早用于工程學(xué),。它能夠?qū)?fù)雜的計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)模型中各個影響因素對結(jié)局變量的影響程度的高低，即回歸系數(shù)的大小,，給每個影響因素的每個取值水平進(jìn)行賦分,。將各個評分相加得到總評分，通過總評分與結(jié)局事件發(fā)生概率之間的函數(shù)轉(zhuǎn)換關(guān)系,，從而計算出該個體結(jié)局事件的預(yù)測概率,。校準(zhǔn)曲線（calibrationcurve）為實際發(fā)生率和預(yù)測發(fā)生率的散點圖，常于用于化工行業(yè)溶液配制,。在這里通過觀察預(yù)測值與實際值相差情況,，判斷基于回歸模型構(gòu)建列線圖的有效性,。 承擔(dān)各類項目超過400余項。成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作

    單細(xì)胞測序數(shù)據(jù)挖掘：GEO目前收錄的單細(xì)胞研究樣本已經(jīng)超過2萬例,，單細(xì)胞測序幾乎成為生物醫(yī)學(xué)領(lǐng)域CNS***文章的標(biāo)配,。實驗費用高昂，阻斷了CNS夢,，既然其他數(shù)據(jù)可以挖,，單細(xì)胞測序數(shù)據(jù)照樣可以挖。已知公共數(shù)據(jù)庫中單細(xì)胞測序數(shù)據(jù)涉及各種疾病類型,，包括**,、免疫細(xì)胞、炎癥類甚至神經(jīng),、肌肉,、骨骼等，樣本豐富,、數(shù)據(jù)龐大,，你不挖就是失去了一座金山。我們提供各種設(shè)計單細(xì)胞測序,、各種測序,、芯片、多組學(xué)的公共數(shù)據(jù)庫挖掘,、培訓(xùn),、模型構(gòu)建、臨床統(tǒng)計,、算法還原服務(wù),；你能想到，我能做到,；你提供參考文獻(xiàn),、思路和目的，我們提供結(jié)果,；如果沒有思路,，我們提供付費科研設(shè)計服務(wù)。示例如下：利用公共數(shù)據(jù)庫的1539個單細(xì)胞樣本,，構(gòu)建自己的生物學(xué)故事,。 重慶組學(xué)實驗數(shù)據(jù)科學(xué)口碑推薦指導(dǎo)科研方案糾偏，更好更快發(fā)表文章,。

ssGSEA（single sample GSEA）主要針對單樣本無法做GSEA而提出的一種實現(xiàn)方法,，原理上與GSEA是類似的。ssGSEA根據(jù)表達(dá)譜文件計算每個基因的rank值,，再進(jìn)行后續(xù)的統(tǒng)計分析,。通過這個方法,，我們可以得到每個樣本的免疫細(xì)胞或者免疫功能，免疫通路的活性,，然后根據(jù)免疫活性進(jìn)行分組,。

ssGSEA量化免疫細(xì)胞浸潤**的一個優(yōu)點就是自己可以定制量化免疫浸潤細(xì)胞種類。目前公認(rèn)并且用的**多的免疫細(xì)胞marker就是2013年發(fā)表在Immunity上的SpatiotemporalDynamicsof IntratumoralImmuneCellsReveal the Immune Landscape in Human Cancer 所提供的免疫細(xì)胞marker genes（Table S1）,，能提取到24種免疫細(xì)胞信息,。

    TMB**突變負(fù)荷**突變負(fù)荷（TMB）作為免疫療法的生物標(biāo)志物，能夠較好的預(yù)測患者免疫***的療效,?；?*突變負(fù)荷，可以從一種新的角度探尋基因跟免疫及預(yù)后的關(guān)系,。一般應(yīng)用場景：基于TMB預(yù)測不同性狀的免疫***療效,、不同基因表達(dá)或突變對免疫***潛在的影響?；驹恚?*突變負(fù)荷(TumorMutationBurden,，TMB)，通常被定義為一份**樣本中,，所評估基因的外顯子編碼區(qū)每兆堿基中發(fā)生置換和插入/缺失突變的總數(shù),。近年許多研究都報道了TMB與PD-1/PD-L1抑制劑的療效高度相關(guān)，同時基于TMB進(jìn)行的臨床研究都得到了較好的結(jié)果,。這讓一些**患者可以通過TMB標(biāo)志物對免疫療法的療效進(jìn)行一定程度的預(yù)測,。結(jié)合TMB，可以從免疫***角度探尋關(guān)鍵基因,、探究不同亞型**存在的不同發(fā)病機制。數(shù)據(jù)要求：基因突變數(shù)據(jù),，臨床或其他分類數(shù)據(jù),。 可對接各類公共數(shù)據(jù)庫，切入各類接口,，并對公共數(shù)據(jù)庫進(jìn)行大規(guī)模數(shù)據(jù)挖掘,。

Inmmune gene

免疫學(xué)研究是目前科研領(lǐng)域爭相研究的熱點，**免疫細(xì)胞浸潤是其中一種,。**免疫細(xì)胞浸潤是指免疫細(xì)胞從血液中移向**組織發(fā)揮作用,。我們從**組織中分離出浸潤免疫細(xì)胞含量，計算基因與浸潤免疫細(xì)胞含量的相關(guān)性,，篩選出影響免疫浸潤的候選基因,。

基本原理：

從基因矩陣數(shù)據(jù)中提取免疫細(xì)胞含量，生成免疫細(xì)胞含量矩陣,；

計算目標(biāo)基因與浸潤免疫細(xì)胞含量的相關(guān)性,，篩選與浸潤免疫細(xì)胞含量高度相關(guān)的基因,。

術(shù)語解讀：

相關(guān)性系數(shù)（pearson,spearman, kendall）反應(yīng)兩個變量之間變化趨勢的方向以及程度。相關(guān)系數(shù)范圍為-1到+1,。0表示兩個變量不相關(guān),，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān),，值越大表示相關(guān)性越強,。

數(shù)據(jù)要求：

**數(shù)據(jù)表達(dá)矩陣 按照斯普林格學(xué)術(shù)規(guī)范化處理準(zhǔn)則提供文稿同行**投稿前意見評估。成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作

生物醫(yī)學(xué)科研領(lǐng)域的組學(xué)數(shù)據(jù)處理,。成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作

    PCA主成分分析測序技術(shù)的發(fā)展使得現(xiàn)在能夠從宏觀角度分析基因表達(dá),，但是也在一定程度上增加了數(shù)據(jù)分析難度。許多基因之間可能存在相關(guān)性,，如果分別對每個基因進(jìn)行分析,，分析往往是孤立的，盲目減少指標(biāo)會損失很多有用的信息,。PCA(PrincipalComponentAnalysis),，即主成分分析方法，是一種使用*****的數(shù)據(jù)降維算法,。一般可應(yīng)用的研究方向有：一組基因在多個分組中的差異情況,，多個基因在該樣本中的差異情況?；驹鞵CA的主要思想是將n維特征映射到k維上,，這k維是全新的正交特征也被稱為主成分，是在原有n維特征的基礎(chǔ)上重新構(gòu)造出來的k維特征,。PCA的工作就是從原始的空間中順序地找一組相互正交的坐標(biāo)軸,，新的坐標(biāo)軸的選擇與數(shù)據(jù)本身是密切相關(guān)的。其中,，**個新坐標(biāo)軸選擇是原始數(shù)據(jù)中方差**的方向,，第二個新坐標(biāo)軸選取是與**個坐標(biāo)軸正交的平面中使得方差**的，第三個軸是與第1,，2個軸正交的平面中方差**的,。依次類推，可以得到n個這樣的坐標(biāo)軸,。通過這種方式獲得的新的坐標(biāo)軸,，我們發(fā)現(xiàn)，大部分方差都包含在前面k個坐標(biāo)軸中,，后面的坐標(biāo)軸所含的方差幾乎為0,。于是，我們可以忽略余下的坐標(biāo)軸,，只保留前面k個含有絕大部分方差的坐標(biāo)軸,。事實上,。 成果發(fā)表指導(dǎo)數(shù)據(jù)科學(xué)共同合作