生信分析

时间序列分析：分析不同的基因或蛋白表达水平随时间表现出怎样的动力学特征

时间序列分析介绍

能够识别表达谱的潜在时间序列表达模式，并将相似模式的基因聚类，以帮助我们了解基因的动态模式以及它们功能的联系。

示例

不同代谢物的浓度随时间变化情况。一些分子在运动后增加并迅速恢复到基线水平（Cluster 1），而其他一些分子在运动后出现延迟增加，然后恢复到基线水平（Cluster 2）。其余的分子在运动响应中减少，其中一些在1小时内恢复到基线水平（Cluster 3），而另一些则在恢复期间继续下降（Cluster 4）。

参考文献：Cell 181, 1112–1130, May 28, 2020

主成分分析：可视化样本间差异

主成分分析介绍

主成分分析是一种常用的数据分析方法，用于降低数据的维度和提取主要信息。通过主成分分析，可以将多个相关变量转化为少数几个不相关的主成分，这些主成分可以解释原始数据的大部分变异。可用于数据简化、样本聚类等。

示例

213个微阵列数据集的PCA图。早期胚胎(n= 17，绿色)，中期胚胎(n= 39，黑色)，晚期胚胎(n=26，橙色)，新生时期胚胎 (n= 16，蓝色)和成年时期胚胎(n = 114，红色)。

参考文献：Cell Reports 13, 1705–1716, November 24, 2015

气泡图：可视化展示基因功能富集分析

气泡图介绍

气泡图用于展示不同处理下基因富集状况，其以直观形式展现结果，可助于：揭示处理对基因富集的作用；比较各处理组间差异；它为综合分析基因富集提供便利，利于快速洞察相关模式与趋势，为后续研究与决策提供参考。

示例

血浆代谢物和复合脂质的途径/化学类富集分析。通路方向是每个通路中重要分子相对于基线的中位数log2倍变化(蓝色，下调;红色,上调)。点的大小表示通路显著性。

参考文献：Cell 181, 1112–1130, May 28, 2020

热图: 根据基因表达模式将样本聚类

热图依据基因表达情况对样本聚类，能可视化表达差异，揭示样本间相关性，精简数据并发现模式，为后续分析提供方向。

示例

不同样本之间显著差异表达的线粒体基因表达谱。

参考文献：Cell 183, 1185–1201, November 25, 2020

以网络的形式可视化基因功能富集分析

基因功能富集分析是一种用于探究大量基因所涉及的生物学过程、分子功能和细胞组件的方法。它基于特定的基因集，与已知的功能注释数据库进行对比，以统计显著富集的功能类别。该分析在转录组学、基因组学等研究中有广泛应用，可帮助理解基因的功能和作用机制，发现潜在的生物学过程和通路，为疾病相关基因研究提供线索，为进一步实验研究指明方向。

示例

KEGG通路使用网络框架进行整合，如果两个通路共享大量基因，则它们之间通过边缘连接。在两个或多个组织中显示出失调的通路。通路的上下调节由节点颜色编码，多个组织失调的通路被映射到更大的节点大小。

参考文献：Cell 183, 1185–1201, November 25, 2020

多组学联合分析

联合转录组、蛋白组与代谢组分析是一种综合性的多组学研究手段。它旨在通过对不同层面生物分子的探究，以全方位把握生物系统的功能与状态。转录组分析聚焦于基因的转录表达情形，蛋白组分析揭示蛋白质的表达与修饰情况，而代谢组分析则着重于小分子代谢产物的研究。此种联合分析的优势在于其全面性，能提供更为完备的生物系统信息；不同组学数据间可相互补充与印证，有助于深入解析基因表达、蛋白质功能与代谢产物间的关联，从而更好地理解生物学过程；在疾病研究领域，对疾病的诊断、机制探索和治疗靶点的发现具有重要意义；在药物研发中，可为药物的作用机制和药效评估提供有价值的线索。

使用Escher包可视化在肌肉中碳水化合物相关代谢图。

参考文献：Cell 183, 1185–1201, November 25, 2020

蛋白互作网络分析

蛋白质互作网络（PPI, Protein-Protein Interaction Networks）是由蛋白通过彼此之间的相互作用构成，来参与生物信号传递、基因表达调节、能量和物质代谢及细胞周期调控等生命过程的各个环节。系统分析大量蛋白在生物系统中的相互作用关系，对了解生物系统中蛋白质的工作原理，了解疾病等特殊生理状态下生物信号和能量物质代谢的反应机制，以及了解蛋白之间的功能联系都有重要意义。

示例

对75个转录和染色质相关基因的STRING分析揭示了一个由35个基因产物组成的蛋白质相互作用网络，其中CREBBP和EP300位于网络中心。没有参与任何相互作用的基因也被显示出来(底部)。

参考文献：NATUR GENETICS | VOL 52 | OCTOBER 2020 | 1024–1035 |

相关性热图：基因/代谢物/样本间相关性分析

可直观展示不同变量之间的相关性的图表；它可以帮助我们发现变量之间的关联模式，比如某些因素之间的正相关或负相关关系。这对研究、诊断和治疗等都有重要的参考价值。

示例

热图中红色代表正相关，蓝色代表互相关。不仅可以发现代谢物之间的相关性，还能清楚的显示代谢物的分组信息。

参考文献：Cell 183, 1185–1201, November 25, 2020

KEGG pathway分析

通过对通路中基因、蛋白质等的分析，能了解生物过程的分子机制

类固醇激素生物合成途径，代谢产物在妊娠过程中增加(红色)或减少(蓝色)。

参考文献： Cell 183, 1185–1201, November 25, 2020

火山图，选择性展示样本间差异表达基因

火山图在选择性展示样本间差异表达基因时，就像是一座“山峰”，纵轴表示基因表达差异的程度，横轴表示差异的显著性。通过它，可以快速发现那些表达差异显著的基因，为进一步研究提供线索。同时，也能帮助我们更好地理解疾病发生发展过程中基因表达的变化情况。

X轴负轴表示实验组与对照组相比下调的基因，正轴代表上调的基因。横坐标代表差异变化倍数，纵坐标表示p值。

参考文献： 2 1 4 | N A T U R E | V O L 5 7 1 | 1 1 J U LY 2 0 1 9

加权基因共表达网络分析

WGCNA（Weighted Gene Co-Expression Network Analysis ），即加权基因共表达网络分析，用于寻找高度相关的基因构成的基因模块module，利用模块特征基因eigengene（模块内第一主成分）或模块内的关键基因Hub gene来总结这些模块，将模块与样本性状进行关联。可发现潜在的基因模块、寻找疾病相关基因、预测基因功能、药物靶点筛选；

WGCNA鉴定出8个基因簇，在y轴上用不同颜色表示。它们与临床测量的相关性以红框表示正相关，蓝框表示负相关。不同模块中的基因做功能富集分析。

参考文献：Circulation. 2021;143:120–134. DOI:10.1161/CIRCULATIONAHA.120.050498

单细胞分析：细胞分群，拟时间分析，差异基因分析，细胞间交互作用（细胞通讯）分析

它可以帮助我们解析细胞异质性，揭示疾病发生发展过程中不同细胞类型的变化。通过对单细胞的转录组、蛋白质组等进行分析，能够发现新的疾病标志物和治疗靶点，为精准医疗提供有力支持。同时，单细胞分析还能用于研究肿瘤微环境、免疫细胞功能等，为疾病机制的深入理解和个性化治疗方案的制定提供重要依据。

参考文献：Developmental Cell 53, 102–116, April 6, 2020

染色质可及性分析：表观遗传层面探究基因表达

染色体可及性分析就像是在探索染色体的“秘密通道”它可以检测染色体上不同区域的可接触程度。从表观遗传修饰角度展示基因表达情况。

展示目标基因在不同分组中的染色质可及性及启动子H3K27乙酰化修饰丰度

参考文献：Science 372, 201–205 (2021)

Chip-seq分析：表观遗传层面探究基因表达

它可以通过检测与特定蛋白质结合的 DNA 片段，来确定蛋白质在基因组上的结合位点。这在医学领域有着广泛的应用，比如研究基因调控、发现新的疾病相关基因等。

可视化具体某一个基因表观修饰丰度

参考文献：Science 372, 201–205 (2021)

转录因子分析：分析基因上游转录因子

转录因子分析就像是在解开基因表达的“密码”它可以帮助我们了解转录因子如何与 DNA 相互作用，调控基因的转录过程。这对于研究疾病的发生机制、寻找潜在的治疗靶点都非常重要。

展示不同转录因子motif

参考文献：3 8 4 | n A T u R e | V O L 5 4 6 | 1 5 J u n e 2 0 1 7

绘制图文摘要：投稿时需要绘制图文摘要

可助于快速传达研究的要点，让科研人员更容易理解和记忆。主要可实现的目的：快速传达研究方向、增强理解和记忆、提高研究影响力、辅助论文发表和推广；

文章需要一个图文摘要

参考文献：Cell 181, 1112–1130, May 28, 2020

韦恩图：取不同实验分组中交集或者差异基因

韦恩图介绍

韦恩图可以用于比较不同组的数据、分析基因表达的重叠情况等，能够帮助我们更好的理解和研究各种现象；主要可实现的目的：展示数据的重叠与差异、辅助数据分析与比较、发现潜在的关联或模式；

展示不同实验分组共有的基因及差异基因

Cell 183, 1185–1201, November 25, 2020