一些生物信息学常用的分析法的介绍

目前生物信息学常用的分析法有如下几种：

我们逐次讲起，首先来讲讲基因差异表达的显著性分析。这种分析法又被简称为差异表达分析，通常指的是一个基因在两个条件中表达水平的检测值，再排除实验检测等因素外，达到的一定差异。这个差异既具有统计学意义同时也具有生物学意义。

对于差异表达分析来说常用的算法有算法有三大类：

倍数分析法由于过于简单粗暴，本文不进行集中介绍。基本上，统计课上都会介绍如何使用T检验来从统计学意义上比较两个样本间的差异，然后在样本量较大的时候考虑使用方差分析。不过这样做的前提是样本来自服从正态分布的群体。这种思想在生物信息学中依然可用。

单总体检验的T值为

其中   是样本个数，  为样本平均数， 

在做完差异表达分析之后，你得到了好多P值很小的基因。

下面你可以做功能富集分析来让你的结果更可信。

那么什么是功能富集？功能富集我个人认为就是分类，而分类的标准就是按照基因的功能的不同。为了解决这种分类问题，科学家们联合起来开发了很多数据库。

比较有名的是The Gene Ontology Consortium和Kyoto Encyclopedia of Genes and Genomes，前者通常用于描述基因间的层级关系，而后者大多数人把它当做一个基因通路的数据库，其实不然KEGG是一个整合了基因组、化学和系统功能信息的综合数据库。功能富集分析的算法很多，工具也很多。比如说DAVID,GESA,GoMiner等其中最常用也是最权威的工具便是DAVID。

最后我们来讲讲最近很火的WGCNA加权共表达网络分析。WGCNA适合用于非常复杂的数据，推荐5组以上比如说：

从方法上来讲，WGCNA分为表达量聚类分析和表型关联两部分，主要包括基因之间相关系数计算、基因模块的确定、共表达网络、模块与性状关联四个步骤。

首先计算任意两个基因之间的相关系数。为了衡量两个基因是否具有相似表达模式，一般需要设置阈值来筛选，高于阈值的则认为是相似的。但是这样如果将阈值设为0.8，那么很难说明0.8和0.79两个是有显著差别的。因此，WGCNA分析时采用相关系数加权值，即对基因相关系数取N次幂，使得网络中的基因之间的连接服从无尺度网络分布，这种算法更具生物学意义。第二步通过基因之间的相关系数构建分层聚类树，聚类树的不同分支代表不同的基因模块，不同颜色代表不同的模块。基于基因的加权相关系数，将基因按照表达模式进行分类，将模式相似的基因归为一个模块。这样就可以将几万个基因通过基因表达模式被分成了几十个模块，是一个提取归纳信息的过程。得到模块之后可以进行模块功能富集，模块与形状间的相关性的分析等等。