搜索
查看: 3440|回复: 0

芯片数据分析 【第十讲:如何找hug genes】

[复制链接]

13

主题

33

帖子

243

积分

版主

Rank: 7Rank: 7Rank: 7

积分
243
发表于 2016-12-14 14:45:54 | 显示全部楼层 |阅读模式
第十讲:hug genes如何找


在网络结果图中,可用一些特征值来衡量基因或基因群是否处于核心地位,如degree值,k-core值等。
如果是PPI数据的网络,一般用degree就可以啦!

如果是共表达网络分析,比较流行k-core值,可用R软件包进行WGCNA(权重共表达网络分析),生成节点和边的纯文本文件,将边的纯文本文件导入到Cytoscape软件中(网络可视化工具)即可得到相互作用网络。下面的文章是一个用共表达网络分析找出关键的节点基因 的例子
Genes related to the very early stage of ConA-induced fulminant hepatitis: a gene-chip-based study in a mouse modelhttp://bmcgenomics.biomedcentral.com/articles/10.1186/1471-2164-11-240



如上图中共表达网络图,圆圈代表基因,直线代表基因存在的调控关系。圆圈的大小代表degree值,即网络中某一基因与周围基因的关系数量,degree越大,代表与它有相互作用关系的基因越多。


圆圈的颜色就是按照k-core进行划分的聚类结果。k-core表示在一个子图中,所有的点至少连接着k个点,其用以评估基因在网络位置的中心程度,值越大表示degree越大且越中心。

相同大小的k-core体现的是基因之间的相似性及功能相关性。图中k-core最高为11的灰色基因就是处于核心地位的基因群。

图中每个基因与相邻基因的密度用聚类系数(clustering coefficient)来表示。聚类系数值越大,表明这个基因邻近基因间的调控关系很复杂,处于的区域对于网络具有更重要的价值。

相关系数(correlation coefficient)代表两个基因间表达谱的相似程度,值越高表明相似性越高。相关关系(relationship)表明两个基因表达是正相关还是负相关。







上一篇:芯片数据分析 【第九讲:网络图的子网络获取 】
下一篇:不只是LINUX操作,还有其他生信课程
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|生信技能树 ( 粤ICP备15016384号  

GMT+8, 2019-11-20 13:27 , Processed in 0.030842 second(s), 29 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.