生信编程直播第七题:写超几何分布检验!

下载数据

切换到工作目录:cd d/生信技能树-视频直播/第七讲

  • kegg2gene(第六讲kegg数据解析结果) 暂时不用新的kegg注释数据为了能够统一答案
  • 差异基因list和背景基因list
关于背景基因
  • 收集一 凡是富集分析,都要有背景和选择集 有参的,那就找参考对应的注释信息,作为背景 无参的,那就自己注释,得到背景
  • 收集二 其实pathway富集分析本身也只是提供一些参考,并非非要富集不可。因为某些pathway的调控,基因直接并非相互调控,而是共同参与某个产物合成过程中的不同步骤。例如,某代谢性物X的合成,需要合成酶 A、B、C、D 四个合成步骤。那么A表达的变化,并不会直接影响B、C、D基因的表达,只是影响代谢物X的合成量。如果没有富集到,你就当这个是基因注释了,讨论这些落在你感兴趣的pathway中的基因,也是一种策略。
题目要求

利用超几何分布检验自己写代码来完成主流的GO/KEGG的富集分析,得到与以下一致的结果:

超几何分布

超几何分布是统计学上一种离散概率分布。它描述了由有限个物件中抽出n个物件,成功抽出指定种类的物件的次数(不归还)。称为超几何分布,是因为其形式与“超几何函数”的级数展式的系数有关。

基因Pathway和GO富集分析

基因富集分析是分析基因表达信息的一种方法,富集是指将基因按照先验知识,也就是基因组注释信息进行分类。 通过差异基因的Pathway富集分析,可以找到富集的差异基因的Pathway,寻找不同样品的差异基因可能与哪些细胞通路的改变相关。 通过对差异基因的GO富集分析,可以找到富集的差异基因GO项,寻找不同样品的差异基因可能与哪些基因功能的改变相关。 对差异基因进行GO和Pathway富集分析后,再进行Network构建,定位基因的功能和其参与的信号通路,并进行清晰直观的展示。

  • GO富集分析: Gene Ontology(简称GO)是一个国际标准化的基因功能分类体系,提供了一套动态更新的标准词汇表(controlled vocabulary)来全面描述生物体中基因和基因产物的属性。GO总共有三个ontology(本体),分别描述基因的分子功能(molecular function)、细胞组分(cellular component)、参与的生物过程(biological process)。GO的基本单位是term(词条、节点),每个term都对应一个属性。 GO功能分析一方面给出差异表达基因的GO功能分类注释;另一方面给出差异表达基因的GO功能显著性富集分析。 首先,我们将差异表达基因向GO数据库(http://www.geneontology.org/)的各term映射,并计算每个term的基因数,从而得到具有某个GO功能的基因列表及基因数目统计。然后应用超几何检验,找出与整个基因组背景相比,在差异表达基因中显著富集的GO条目。

其中,N为所有Unigene中具有GO注释的基因数目;n为N中差异表达基因的数目;M为所有Unigene中注释为某特定GO term的基因数目;m为注释为某特定GO term的差异表达基因数目。计算得到的pvalue通过FDR校正之后,以corrected-pvalue≤0.05为阈值,满足此条件的GO term定义为在差异表达基因中显著富集的GO term。

  • KEGG富集分析: Pathway显著性富集分析以KEGG Pathway为单位,应用超几何检验,找出与整个基因组背景相比,在差异表达基因中显著性富集的Pathway。 该假设检验的p-value计算公式同GO功能显著性富集分析的相同,在这里N为所有Unigene中具有Pathway注释的基因数目;n为N中差异表达基因的数目;M为所有Unigene中注释为某特定Pathway的基因数目;m为注释为某特定Pathway的差异表达基因数目。
超几何分布检验的富集分析

一般做完超几何概率分布,对得到的p值进行校正;

原文发布于微信公众号 - 生信技能树(biotrainee)

原文发表时间:2017-03-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏生信技能树

比较不同单细胞转录组数据寻找features方法

挑选到的跟feature相关的基因集,有点类似于在某些组间差异表达的基因集,都需要后续功能注释。 背景介绍 单细胞转录组测序的确可以一次性对所有细胞都检测到上千...

58910
来自专栏大数据

季节性单位根

正如MAT8181课程中所讨论的那样,至少有两种非平稳的时间序列:存在趋势的和存在单位根(这种类型被称为 单整的)。单位根测试不能用来评估一个时间序列是否平稳,...

3015
来自专栏生信技能树

第1篇:ATAC-seq的背景介绍以及与ChIP-Seq的异同

ATAC-seq(Assay for Transposase-Accessible Chromatin with high throughput sequenc...

2432
来自专栏AI研习社

用金庸、古龙群侠名称训练 LSTM,会生成多么奇葩的名字?

AI 研习社按:本文转载自 Magicly 博客,获作者授权。阅读原文请见:http://magicly.me/2017/04/07/rnn-lstm-gene...

37511
来自专栏生信小驿站

生存分析①R语言

生存分析(Survival analysis)是指根据试验或调查得到的数据对生物或人的生存时间进行分析和推断,研究生存时间和结局与众多影响因素间关系及其程度大小...

1354
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/5/27

Prefrontal cortex as a meta-reinforcement learning system

1314
来自专栏生信技能树

dbSNFP数据库发展历程

1795
来自专栏Y大宽

GSEA结果解读

ES是GSEA最初的结果,反应全部杂交data排序后,在此序列top或bottom富集的程度。 ES原理:扫描排序序列,当出现一个功能集中的gene时,增加E...

5674
来自专栏小樱的经验随笔

BZOJ 1088: [SCOI2005]扫雷Mine【思维题,神奇的模拟+枚举】

1088: [SCOI2005]扫雷Mine Time Limit: 10 Sec  Memory Limit: 162 MB Submit: 3791  So...

2683
来自专栏生信技能树

哪怕是到了2018年,RNA-seq仍然可以不做重复

但是2018年二月的一篇文章,仍然是不做重复,文章是: Transcriptional Regulation of the Warburg Effect in ...

1572

扫码关注云+社区