一般大家拿到表达矩阵都是走标准分析流程,火山图,热图,GO/KEGG数据库注释等等。这些流程的视频教程都在B站和GitHub了,目录如下:
感兴趣可以细读表达芯片的公共数据库挖掘系列推文 ;
不管是哪种表达矩阵得到的差异分子,以前的mRNA的基因名,或者miRNA,lncRNA,甚至circRNA的ID ,看起来很陌生的ID,都是同样的的分析流程。
但是上面的分析流程已经是烂大街,其实你的表达矩阵还是可以有很多花样的。比如最近发表的文章:2019 Jun 4. doi: 10.1080/2162402X.2019.1617588 题目很长:Immune microenvironment profiling of gastrointestinal stromal tumors (GIST) shows gene expression patterns associated to immune checkpoint inhibitors response 但实际上就是在分析癌症病人的表达矩阵而已,Gene expression profiles (GEP) from 31 KIT/PDGFRA-mutant GIST(gastrointestinal stromal tumors),让我们一起来看看他们分析了哪些吧。
大家可以自行阅读文献看看作者是否公布了表达矩阵,可以尝试模仿同样的分析步骤,当然了,你有自己的数据走这个分析就更好了。
可以看到两不同类型技术产生的表达矩阵走CIBERSORT分析得到 22 immune cell 组成比例分布情况类似。
这些知识点大家需要自行阅读我们以前推文慢慢学习了咯!