circrna基因芯片结果相关软件示例说明.pptx

1我们把挑选出的差异表达基因在MAS系统中进行了Pathway和Go的统计分析。结果展示了差异表达基因所涉及到具有显著性意义的pathway和Go分类。“Pathway_BvsA.xls”表示样品B和样品A的比较得到的差异基因进行Pathway分析的结果，包括一个sheet：KEGG。表示采用公共数据库分析的结果。“GO_stat_BvsA.xls”表示样品B和样品A的比较得到的差异基因进行GO分类的结果，也包括三个sheet：MolecularFunction、BiologicalProcess和CellularComponent。分别表示GO的三种类型分别进行分类的结果。MoleculeAnnotationSystem-示例结果

2N为芯片中具有pathway或Go信息的基因的数目；n为N中差异表达的基因的数目；M为芯片中具有某特定pathway或Go的基因的数目；m为此特定pathway或Go中差异表达基因的数目；p0=m/M,p1=n/N。Pvalue为错误否定无效假设H0:p0=p1的概率值，反映了此pathway或Go在实验结果中的重要性。而在实际的分析中，我们需要进一步以某个Pvalue阈值进行筛选后得到的显著性pathway和Go的假阳性率，即FasleDiscoveryRate（FDR），所以更加方便的是给每一个Pvalue一个Qvalue来反映选择这个Pvalue作为阈值的FDR。Qvalue：Qvalue的计算方法采用bootstrap方法，计算的过程大概如下，首先将所有的Pvalue按照大小进行排序，例，如果总共有L个Pvalue(P1,P2…PN…PL)，其中第N个Pvalue经过校正后的QN=eta0*L*PN/N。在分析pathway和Go的统计结果时也可以综合考虑Pvalue和Qvalue，根据实验设计的具体情况设定不同的阈值进行分析。P_value的计算是通过超几何分布的概率公式。Pathway和GO分析采用的统计学方法

3以下我们分别列出了最可能相关（P值最小的）的10条Pathway(Pathway的数据库来自于公共数据库：KEGG)。Pathway：KEGG注：Total为该pathway中总共包含的差异基因数目MoleculeAnnotationSystem-示例结果

4Go：MolecularFunction另外我们挑选出来的差异表达基因做了Go的统计分析，以下我们对三种Go类型分别列出了最可能（P值最小的）相关的10条Go分类：MoleculeAnnotationSystem-示例结果

5Go：BiologicalProcessMoleculeAnnotationSystem-示例结果

6Go：CellularComponentMoleculeAnnotationSystem-示例结果

7标记差异基因GO图展示MoleculeAnnotationSystem-示例结果