关于clusterProfiler这个R包就不介绍了，网红教授宣传得很成功，功能也比较强大，主要是做GO和KEGG的功能富集及其可视化。简单总结下用法，以后用时可直接找来用。
相信大家对Y叔的clusterprofiler这个R包并不陌生，一般做基因富集分析的时候都会用到这个R包。这个包非常实用，并且画出来的图也很不错。
小编本身是做小麦的，也属于非模式生物的范畴。以前的话，非模式生物要用blast2go跑电子注释，而blast2go又需要使用MySQL，没有root权限的话非常麻烦。所以非模式生物如何做富集分析也困扰了小编很久，直到有一天，小编发现了Y叔的神包“ clusterProfiler ”！可以轻松做富集分析！
昨天我们介绍了在使用GEO数据可能遇到的一些问题（GEO数据库可能遇到的问题）。由于篇幅的关系，还有一些没有说完，今天就把剩下的问题和大家说一下吧。
ChIP-Seq是将ChIP(Chromatin Immuno precipitation)与二代测序技术相结合的技术，高效地在全基因组范围内检测与组蛋白、转录因子等互作的DNA区域。ChIP也称为结合位点分析法，是研究体内蛋白质与DNA相互作用的有力工具，通常用于修饰组蛋白、转录因子、辅因子以及其他染色质蛋白在染色质上的定位及丰度研究。
简单总结clusterProfiler包进行GO、KEGG的富集分析方法，结果输出及内置的图形展示。
clusterProfiler是一个功能强大的R包，同时支持GO和KEGG的富集分析，而且可视化功能非常的优秀，本章主要介绍利用这个R包来进行Gene Ontology的富集分析。
KEGG pathway是最常用的功能注释数据库之一，可以利用KEGG 的API获取一个物种所有基因对应的pathway注释，human对应的API 链接如下
参数的的设置如图，一般默认参数就可以，在Select ontology file可以选择你想要分析的，也可以自己从GO官网下载最新的GO注释文件和GO分类文件，然后通过Custom导入分析。
在chip_seq数据分析中，peak calling是核心，得到peak区间之后，我们首先需要对peak进行注释。所谓的注释其实是一个比较宽泛的概念，其中包含了以下多种类型的注释信息
哈喽，我是学习生物信息学的阿榜！非常感谢您能够点击进来查看我的笔记。我致力于通过笔记，将生物信息学知识分享给更多的人。如果有任何纰漏或谬误，欢迎指正。让我们一起加油，一起学习进步鸭🦆一、实验目的：通过基因表达量数据的差异分析和富集分析来解释生物学现象病变组织vs健康组织药物处理vs对照组开花前vs开花后动物/动物不同发育期高产/低产品种思路：有差异的材料→差异基因→找功能/找关联→解释差异,缩小基因范围二、明白三个概念GPL：用户测序使用的芯片/平台；GSM：用户提交给GEO的样本数据；GSE：一个完整的研
Gene Set Enrichment Analysis (基因集富集分析)用来评估一个预先定义的基因集的基因在与表型相关度排序的基因表中的分布趋势，从而判断其对表型的贡献。其输入数据包含两部分，一是已知功能的基因集 (可以是 GO 注释、MsigDB 的注释或其它符合格式的基因集定义)，一是表达矩阵，软件会对基因根据其于表型的关联度(可以理解为表达值的变化)从大到小排序，然后判断基因集内每条注释下的基因是否富集于表型相关度排序后基因表的上部或下部，从而判断此基因集内基因的协同变化对表型变化的影响。
Gene Ontology是研究基因功能的重要数据库之一，在进行GO的富集分析时，需要提供所有基因对应的GO注释信息，本文介绍几种获取该信息的方式。
本次带大家实操gsea，将从分析前参数选择、分析流程操作演示和分析中常见错误分析三个方面给大家进行介绍.
生信宝典之前总结了一篇关于GSEA富集分析的推文——《GSEA富集分析 - 界面操作》，介绍了GSEA的定义、GSEA原理、GSEA分析、Leading-edge分析等，是全网最流行的原理+操作兼备教程，不太了解的朋友可以点击阅读先理解下概念 （为了完整性，下面也会摘录一部分）。
生信宝典之前总结了一篇关于GSEA富集分析的推文——GSEA富集分析：从概念理解到界面实操，介绍了GSEA的定义、GSEA原理、GSEA分析、Leading-edge分析等，是全网最流行的原理+操作兼备教程，不太了解的朋友可以点击阅读先理解下概念 （为了完整性，下面也会摘录一部分）。
在单细胞的数据分析当中，每个亚群的top基因是十分重要的，因为这一部分的基因主要是代表了这一亚群的高表达基因，为了后面的分群鉴定，主要是通过seurat的findallmarkers这个函数进行计算。可以参考这个博主的文章，对源码解析的很细https://www.jianshu.com/p/f5c8f9ea84af，同时对应着这个函数的解析http://www.idata8.com/rpackage/Seurat/FindAllMarkers.html。
ROSE是最经典的超级增强子预测软件，由Richard A. Young大牛团队开发，源代码的网址如下
之前的一些推文，大部分收录专题于生物信息学，目的是帮助大家入门生物信息学的领域。本次开设新专题，“富集分析”，了解富集分析的各种手段，学会十八般武艺。
希望所有的学徒，实习生以及马拉松授课学员都可以在咱们《生信技能树》的舞台上大放异彩。前面有粉丝自告奋勇希望可以把他自己在简书等平台的生物信息学笔记分享在我们《生信技能树》公众号，在专业的舞台上跟大家切磋！非常欢迎，他前面的分享是：
在进行了前面两次的流程分析，目前已经得到了bedgarph文件和peak文件，需要在后面对peak文件进行相关的分析，主要有差异peak分析、peak的注释、注释基因的富集分析以及motif分析，我做了几次，发现里面的坑还是很多的。
写文章确实是个严谨的事，但是万一呢，有时候做个脑瘤的分析整个糖尿病的编号在里面，也是大受震撼，一般来说起码都是一个物种的，平台一不一致问题不大的样子。通篇检查一下，可能就是差那么一位数，但是一定有写对的地方。
step1: 计算资源的准备 如果有差不多配置的服务器，就可以从SRA/FASTQ格式数据开始走全套流程。不懂配置，请看前面转录组和表观组的传送门。 如果只有个人电脑，那么直接下载表达矩阵开始分析也是可以的。 step2： 读文献，查看GEO数据 文章是 Annotation and cluster analysis of spatiotemporal- and sex-related lncRNA expression in Rhesus macaque brain , 作者测了 4个年龄段的恒河猴：1年
In molecular biology, STRING (Search Tool for the Retrieval of Interacting Genes/Proteins) is a biological database and web resource of known and predicted protein–protein interactions.(from Wkkipedia)
今天小编给大家带来一个很好用的RNA-seq 可视化的R包-RVA( RNAseq Visualization Automation)。“RVA”是一个功能集合，可有效地可视化RNAseq差异表达的分析结果，并利用Fisher精确测试方便有效地评估基因集或通路富集。该包用于RNA-seq分析中的下游可视化和通路富集分析真的是很实用和方便了。
首先我们需要输入peak文件，支持两种格式，第一种是BED格式，最少只需要3列内容记录peak的染色体位置就可以了，示意如下
在require()函数中，如果直接传递包的名称作为参数，不需要加引号；如果包的名称以字符串形式存储在变量中，则需要使用character.only = TRUE来指定这个变量是一个字符串
这一步可以拿到gene_id还有gene_name ,FPKM的表达量，cov对用的应该是reads count吧。
之前的教程提供了Cytoscape基础和视频、R igraph包的网络构建方法，那么在我们得到network图之后，还可以进行深一步分析，今天给大家带来基于Cytoscape软件下MCODE增强包的模块化分析。
在对甲基化芯片进行差异分析之前，必须经过一个数据预处理的环节，预处理包括了归一化和背景降噪两个步骤，接下来看下GenomeStudio中进行差异分析下详细步骤。
本周就将尝试复现一篇mRNA、lncRNA联合分析的文章，内容比较简单，和常规分析流程查相差不多，比较适合我过度学习
文献题目：基于生物信息学的新型铁死亡基因生物标志物和免疫浸润谱在糖尿病肾病中的应用Huang, Y., & Yuan, X. (2024). Novel ferroptosis gene biomarkers and immune infiltration profiles in diabetic kidney disease via bioinformatics. FASEB journal : official publication of the Federation of American Societies for Experimental Biology, 38(2), e23421. https://doi.org/10.1096/fj.202301357RR. IF: 4.8 Q1
小伙伴们，上次为大家解读了一篇GEO甲基化芯片相关的SCI文献，详情点击：GEO数据库甲基化芯片挖掘发SCI是怎样炼成的，今天，小编打算带领大家用R软件实例操作分析GEO甲基化芯片。作为目前最大的芯片数据库，GEO数据库提供给我们了海量的数据，但是，错综复杂的数据交织在一起，如何选择数据是摆在我们面前最重要的问题，读完今天这篇文章，我相信大家都能学会GEO甲基化芯片的分析。下面，就和大家一起跑一遍R，希望大家喜欢这篇文章！
在ncRNA还没有研究之前，好多表达谱芯片是没有ncRNA的注释信息的。这也就导致说很多表达谱的芯片，没办法分析ncRNA。对于芯片的探针而言，可以通过重注释的办法来看一下是否能重新获得一部分ncRNA的数据。之前我们在GEO芯片重注释。介绍了通过blast来重注释基因的方法。当然这个方法也适用于对于ncRNA的重注释。但是上面的方法就比较麻烦，所以今天就给大家推荐一个ncRNA重注释到功能分析一体的数据库： ncFANs(http://ncfans.gene.ac/)
传统KEGG（通路富集分析）和GO（功能富集）分析时，如果富集到的同一通路下，既有上调差异基因，也有下调差异基因，那么这条通路总体的表现形式究竟是怎样？是被抑制还是激活？或者更直观点说，这条通路下的基因表达水平在实验处理后是上升了呢，还是下降了呢?由于没有采用有效的统计学手段去分析某条通路下的差异基因的总体变化趋势，这使得传统的富集分析结果无法回答这些问题。
上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨! inferCNV简介 inferCNV是大名鼎鼎的broad研究所开发的，可以使用单细胞转录组数据分析肿瘤细胞CNV。相关文章2014年就发表在了Science上，之后算法不断优化，分析结果也
AnnoProbe是曾建明老师2020年开发的一款用于下载GEO数据集并注释的R包,收录在tinyarray里。 idmap##根据所给的GPL号，返回探针的注释 geoChina##根据所给的GSE号，下载对应的表达矩阵 annoGene##根据gencode中的GTF文件注释基因ID
这一次要分享的文章题目是：Five key lncRNAs considered as prognostic targets for predicting pancreatic ductal adenocarcinoma
目前研究表明，在生物体内，circRNA主要通过其序列特征，发挥miRNA海绵、RNA-binding proteins （RBPs）海绵以及翻译短肽等生物学功能（1-2）。因此，确定其的全长序列，是进行circRNA功能研究的重要基础。由于目前对于circRNA的研究多采用二代测序的方法，而circRNA的内部序列与线性mRNA分子高度相似，单纯通过算法（识别反向剪切位点）很难区分来自环形RNA和线性RNA分子的读段，以及确定全长circRNA内部组成。近期的研究中利用了长读长测序技术，对circRNA的全长重构进行了尝试（3-4）。因此，目前研究方法对于circRNA结构的识别能力主要被二代测序的读长所限制，对于长度较长（>500bp）的circRNA分子，仍然缺少有效的全长重构手段。
本发明涉及转录组测序领域，具体涉及一种在miRBase数据库中无本物种参考miRNA数据的miRNA测序的数据分析方法。
它基本上可以应付主流的芯片数据，主要是 affymetrix和illumina以及agilent，当然最简单的就是affymetrix的芯片，但是最近很多小伙伴问illumina芯片数据，主要是因为一些数据产出的作者自己不熟悉，所以 它们并没有按照规则来上传数据，导致大家没办法使用标准代码处理它。
在ATAC_seq数据分析中，需要绘制reads在TSS位点附近的分布图， 如下所示
同理，我们前面教程：450K芯片上面的甲基化探针到底需要进行哪些过滤 已经强调过了甲基化芯片数据分析的一些注意事项，以及标准代码，共享了大量的学习资料。现在一起来看看甲基化信号值矩阵差异分析主要图表吧，这样你拿到了我的标准代码，处理好你的数据后，也可以简单快速理解它。
其实大家更关心的是数据处理问题，为此我们在前期已经推送过两篇相关内容，如果还没看过的朋友可别落下。 WGS,WES,RNA-seq组与ChIP-seq之间的异同（点击查看原文） 做过1000遍RNA-seq的老司机告诉你如何翻车（点击查看原文） 因为做了多年NGS组学数据处理，看了不少业内知名公司有参转录组结题，再结合自己的一些经验， 生信技能树公众号将系统整理多种组学分析流程和大家分享，如果不想错过就关注我们的公众号然后置顶吧~ RNA-seq的分析流程 这一次我们首先了解RNA-seq的分析流程 总的来
NGS技术的进步催生了新的实验设计、分析类型和极高通量测序数据的生成。对于这些数据的质量评估，每一步分析结果的评估是后续结果可信度的衡量和保障。不少生信工具都可以给样品生成一个评估结果，如FastQC、Qualimap 和RSeQC等 (39个转录组分析工具，120种组合评估)。但是这时又出现了一个难题，那就是几乎所有的质控工具都是针对单个样本生成一个报告，这就要求用户自己去逐一查找各个QC结果，这无疑是个十分耗时、重复又复杂的事，而且还不能快速看出所有样本的异同。
拿到一个新数据后，除了检查[1:4,1:4]外，也许还需要看看最后几列，另外还需要观察列名称的规律。
通过上面几步内容，我们找到了一些可信度相对高的突变位置，接下来一定会进行的一个内容就是对已有突变位点进行注释和功能预测。
用我人生中第一张学术墙报开篇。一年前的这张墙报不能展示出当前TBtools的成长状态，但整体感觉还是可以不错（虽然没有获得任何奖项，毕竟参与会议的其他墙报都过分优秀。或许有一天，我们能做出更好的墙报）。
2019年12月16日，魏文胜课题组在Genome Biology杂志在线发表题为“PASTMUS: mapping functional elements at single amino acid resolution in human cells”的研究论文。
虽然一直演示的表达芯片数据分析，这些芯片分析难点主要是在ID转换，因为不同公司设计的探针命名都不一样，在我4年前博客整理的芯片平台对应R包找：(16)芯片探针与基因的对应关系-生信菜鸟团博客2周年精选文章集
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
