背景

实际上，无论是基因组层面的WGS、WES或GWAS，还是转录水平的芯片、二代测序和单细胞测序，以及蛋白组、代谢组等各种组学，检测流程固然重要，但数据挖掘似乎更重要。常规生信分析内容包括差异分析、WGCNA、聚类分析、降维分析、PCA、拟时序分析、互作分析和富集分析等，也包括结合各种表型的相关分析，如免疫分析、干性分析、突变分析等。差异分析最基础，而聚类分析和WGCNA可以在差异分析结果不理想时发挥巨大作用。

两条腿走路

1.预操作

肿瘤 ：可以先到GEPIA数据库看看，xx基因在肿瘤中的表达是否存在差异
非肿瘤：可以先到GEO2R/eVITTA中看看

eVITTA at UBC

2.多维度

R + 在线网站
GEO + TCGA

3.差异分析，聚类分析

• 等级聚类

• 非等级聚类
  K-means聚类(Clustering)
  指将数据对象分组成为多个类或者簇，使得簇内的对象应该非常靠近，而簇会相距很远。

  相关概念：分类，聚类，降维，PCA

4.WGCNA

1.共表达网络

颜色越深，gene之间相关性越强

2.模块鉴定

p < 0.05 & 相关系数较高 的模块

3.将模块与外部的表征或表型关联

分析相关性，找到感兴趣的模块

4&5 得到基因