AnimalTFDB：动物转录因子注释和预测tool
经验分享：非编码RNA（non-coding RNA, ncRNA）简介
山东农科院、北林等开发异源多倍体亚基因拆分新算法
各位医学方的朋友，大家好，我是Flyman，今天给大家分享一篇WGCNA的文章，WGCNA不可否认在样本数目较多的情况下，应用越来越多，特别是基于WGCNA进行biomarker筛选，这篇文章是17年发表在Experimental Eye Research（（IF：3.152）杂志上。今天，我们主要从数据集的搜集与前处理、网络构建、模块识别、功能富集以及hub基因挑选5个方面来解读这篇文章。0..... 阅 读 全 部 >
WGCNA基本概念加权基因共表达网络分析 (WGCNA, Weighted correlation networkanalysis)是用来描述不同样品之间基因关联模式的系统生物学方法，可以用来鉴定高度协同变化的基因集,并根据基因集的内连性和基因集与表型之间的关联鉴定候补生物标记基因或治疗靶点。相比于只关注差异表达的基因，WGCNA利用数千或近万个变化最大的基因或全部基因的...阅读全文>&g... 阅 读 全 部 >
WGCNA分析，是加权基因共表达网络分析。在文献中，我们经常能够看到这样的WGCNA分析图。例如文献“Expression profiles of circRNAs and the potential diagnostic value of serum circMARK3 in human acute Stanford type A aortic dissection”中的Figur...阅读全文... 阅 读 全 部 >
我们上一期介绍了数据挖掘中的表达量挖掘法（回顾戳这里☞），相信大家都已经了解了四大利器的威力，那么今天我们就带大家接着了解一下功能挖掘法和寻找“明星”的数据挖掘方法吧。图1.转录组数据挖掘常用方法功能挖掘法虽然我们进行了表达量的挖掘，但是每个基因在生物过程中都具有它们独特的功能，仅关注表达量的信息，会让我们漏掉非常多的信息。因此我们不能局限于表达量挖掘，而忽略了基因的功能。数据的挖掘除了...阅读... 阅 读 全 部 >
在我们平时的工作中，经常会遇到小伙伴咨询，怎么样能对高通量测序的数据进行挖掘呢，有没有比较详细的文章能介绍一下呢。鲁迅先生曾说过，这世上本没有路，走的人多了，便也就成了路。同样的，问的人多了，自然方法也就来了。我们将历来的经验进行汇总，得出了一个常见数据挖掘方法：图1.转录组数据挖掘常用方法根据上面的图所示，转录组的数据挖掘可以从三个方面入手：表达量、功能和寻找“明星”入手，今天我们先来了解一下表... 阅 读 全 部 >
RNA-seq是目前最广泛应用的高通量测序技术之一，其研究难点已经不再是如何获取大量表达数据信息，而是如何挖掘大量测序数据背后所蕴含的生物学意义，因此标准分析已经不能满足深入挖掘数据的需求，安诺转录组高级分析，通过深层剖析让你的测序数据物尽其用~1. 基因共表达网络分析（Weighted Gene Co-Expression Network Analysis, WGCNA）如今多样本分析逐渐成为趋... 阅 读 全 部 >
一、WGCNA分析简介随着转录组测序价格下降，进行测序的样本数也在逐渐增多，WGCNA（weighted gene co-expression networkanalysis，权重基因共表达网络分析）这种适合大样本的分析方法，在疾病以及其他性状与基因关联分析等方面应用越来越广泛。WGCNA最大的优势在于，能将多个样本中成千上万的基因，根据它们的表达模式划分到数个至数十个模块当中，然后以模块...阅... 阅 读 全 部 >
研究背景雌激素是一种甾体激素，对雌性繁殖有广泛的影响。在生殖期，雌激素的合成主要在卵巢卵泡的体细胞（卵泡膜细胞，TCs和颗粒细胞，GCs）中。然而在哺乳动物和鸟类中其合成位置并不相同。在哺乳动物中，TCs从头产生雄激素，GCs进行雌二醇转化。然而由于未知的原因，在鸟类中TCs产生睾酮和雌二醇（一种雌激素）。CYP19A1编码芳香酶，是负责雌激素的生物合成的关键步骤。哺乳动物牛中，雌...阅读全文&... 阅 读 全 部 >
COG是Clusters of Orthologous Groups of proteins的缩写(http://www.ncbi.nlm.nih.gov/COG/)。COG是在对已完成基因组测序的物种的蛋白质序列进行相互比较的基础上构建的，COG数据库选取的物种包括各个主要的系统进化谱系。每个COG家族至少由来自3个系统进化谱系的物种的蛋白所组成，所以一个COG对应于一个古老的保守结构域。构成每... 阅 读 全 部 >
ChromImpute是一款用于大规模系统表观基因组分析的软件。在大规模的系统表观组学分析中，缺失值的存在是不可避免的，为了尽可能的减小缺失值对结果的影响，这个时候我们就需要一款这样的软件，可以基于大量的数据集进行训练，从而对缺失值进行科学的插补，达到即使存在缺失值也不对最终的结果形成影响的效果。上图是经ChromImpute处理的数据，可以看到，蓝色部分是真实的观察值，红色部分是插值后的结果，经... 阅 读 全 部 >