|
基金将至，我从今开始科研，见刊方休。 我将不游戏、不追剧、不旅游。 我将不弃实验，不落文献。 我将献身学术，生死于斯。 我是科学的利剑，实验的守卫。 我是抵御疾病的烈焰，开发新药的曙光，唤醒创新的号角，人类知识的宝库。 我将生命与荣耀献给生命科学，今日如此，日日皆然。 对于广大虔诚的科研工作者而言，很多时候都是奔波于各类实验台，积累数据千千万万，可用的结果寥寥无几。可谓是一片深情留不住，唯有套路得人心。 说到套路，小编今天想给大家介绍一种科研套路（参考文献:10.3389/fphar.2017.00142，IF:4.4）。
在这篇文章中，随着实验持续进行，数据量也是不断地的增加，如何获得关键数据显得尤为重要。作者利用可靠、高效的生物信息学工具趋势分析对数据进行了深度挖掘，化繁为简，减少数据量，得到核心数据，使研究方向聚焦： 1.利用趋势分析将可卡因处理不同时间下RNA-Seq数据分成5类； 2.分别对这5类基因进行富集分析，得到这些基因所涉及的通路 3.研究这些通路和功能。 现在，有了Gene Matrix生信云平台，实验设计交给你，生物信息学筛选交给它。这也是小编今天要介绍的一个利器：趋势分析。 趋势分析，也叫趋势聚类，顾名思义就是对一定梯度顺序中具有相同变化模式或者趋势的变量进行归类。通常趋势分析包含梯度和实验变量两个维度数据。 梯度，可以是处理时间、药物浓度、疾病恶化程度等；变量，是随着梯度实验条件不同其状态发生变化的对象，如基因、蛋白等表达量。每个变量在两个梯度点之间一般具有3种变化模式：升高、不变和降低，所以当有n个梯度点时，变量可能存在的变化方式有3^（n -1）种，随着梯度数量的增加，变化模式的个数呈指数增加。 吉凯基因生信云平台Gene Matrix现已发布，生信分析不再遥不可及。在线趋势分析界面如下图： 只需选择待分析数据文件然后提交，就可轻松完成趋势分析。 趋势分析结果如上图所示，图A中每一个小的图形表示一种表达模式，其左上角的数字为该模式的编号；带颜色的小图形表示该表达模式显著(P<0.05），相同颜色表示相同的聚类结果（相关系数r>0.7）。图B为图A中编号为27的趋势表达模式展示图，该图中每一条线表示一个基因，横坐标轴表示不同的梯度点，纵轴表示基因的表达量值。Gene Matrix趋势分析小工具提供每个表达模式的基因信息，以便进一步研究挖掘（PS：功能、通路富集分析等小工具，Gene Matrix也应有尽有，后期小编将一一介绍）。 各位看官们是不是按捺不住想要试一试呢，那就赶紧来注册体验吧！ |
|
|
