蛋白质组学第8期 文章复现之数据处理

上个月我们公布了，蛋白质组学习小组起飞啦！  短短几天就获得了几百小伙伴的支持，让我们也更有信心的带领大家掌握一个蛋白质组学数据处理的实战，前面我们分享的是：

第七期内容我们介绍了使用Perseus 进行数据预处理，这期接着上期预处理的内容，开始数据分析。

1.聚类热图

1）Z-score normalized

 Z-score 归一化

img

img

Z-Score 讲解

引用自（https://blog.csdn.net/Orange_Spotty_Cat/article/details/80312154）

Z-Score的目的：Z-Score的主要目的就是将不同量级的数据统一转化为同一个量级，统一用计算出的Z-Score值衡量，以保证数据之间的可比性。

实例：

A班级的平均分是80，标准差是10，A考了90分；B班的平均分是400，标准差是100，B考了600分。我们可以计算得出，A的Z-Score是1（（90-80）/10），B的Z-Socre是2（（600-400）/100）。因此B的成绩更为优异。反之，若A考了60分，B考了300分，A的Z-Score是-2，B的Z-Score是-1。因此A的成绩更差。

优缺点：

• 优点：

Z-Score最大的优点就是简单，容易计算，在R中，不需要加载包，仅仅凭借最简单的数学公式就能够计算出Z-Score并进行比较。此外，Z-Score能够应用于数值型的数据，并且不受数据量级的影响，因为它本身的作用就是消除量级给分析带来的不便。

• 缺点

但是Z-Score应用也有风险。首先，估算Z-Score需要总体的平均值与方差，但是这一值在真实的分析与挖掘中很难得到，大多数情况下是用样本的均值与标准差替代。其次，Z-Score对于数据的分布有一定的要求，正态分布是最有利于Z-Score计算的。最后，Z-Score消除了数据具有的实际意义，A的Z-Score与B的Z-Score与他们各自的分数不再有关系，因此Z-Score的结果只能用于比较数据间的结果，数据的真实意义还需要还原原值。

2) 热图

2.火山图

1) 注释数据

2)火山图

3）图片保存

修改成你想要的图片之后，点击

3.本期任务

将两种细胞的数据进行预处理，并制作热图和火山图。

全国巡讲约你

一年一度的生信技能树单细胞线下培训班（已结束）