全套录音：（genespring免编程大数据演示&数据集变图表详解）+MetaDE、检索词、期刊选择、循统答疑 沙龙第四期

插播：点这里看陈同老师对科研狗人群目前学习状态的数据分析……模型应用和总结都很中肯……至于样本量小的问题，大家踊跃参与互动学习，下次调查分析争取有大样本量……论文合作什么的，希望也有条件开展了……

陈老师严谨惯了，不善于写吸引人的标题，生信宝典公众号的内容属于生信学习者必看，大家看到对自己有帮助的内容，多转发分享，就是对陈老师原创写作的最大支持啦~

小伙伴们，免编程找差异的genespring软件好用吗？赵老师写了一整个系列，用还原文献的方式介绍了genespring的使用（发送大数据到后台，领说明书+查看整个系列）。

上周六，赵老师为大家在线讲解了免编程学生信-genespring挖掘数据实操，并现场解答群友提出的相关提问（qq群463367325）。赵老师会陆续将genespring推文系列在直播中给大家演示操作，并现场解答各种相关问题。

现场有一些操作演示，录音+课件图文只能还原一部分，本周六继续沙龙，大家尽可能安排时间现场收听哦~

孙老师也在现场回答了上一周群友提出的meta循证统计相关问题。

（上周提过问题但错过现场答疑的同志，仔细看推送中有没有自己的提问，领到录音好好学习……要是有追问，提前组织语言在群里追问，周六统一解答。提问前请仔细阅读这篇求助得回应秘诀）

发送沙龙到后台，复习前几期的沙龙内容。

个别小伙伴在直播现场反映声音卡顿，画面不清晰，或者没有直播画面入口的问题，在这里特别提醒，需注意以下两点才能保证收看效果：

1. 提前安排稳定的网络环境；

2. 使用windows系统的PC观看直播。

发送SL003到后台，马上得全套现场课程录音，跟随两位老师的逻辑，开始小白的历练之路吧~

猴哥meta沙龙提问版

问：是不是非OA期刊就不要版面费？请问下各位老师，谢谢！

答（猴哥）：现场录音解答 

答（猴哥的部分文字回答）: nature和spring的大多数不要，其他的四大水库是要的，plos one ，oncotarget，medicine, science report et al.

附不要版面费的部分杂志的现场截图示意。

问：在用MetaDE时，这个包对数据处理时，输入数据是表达矩阵吗？
是自己从原始数据处理开始吗？

答（猴哥）：现场录音解答 

答（猴哥的部分文字回答）:  yes, you need matrix data.

问：如何找到上调下调基因？这个包没有具体说明呀，只能根据p值筛选出差异基因呀，我看猴哥这么写的，我截了图

答（猴哥）：现场录音解答 

答（猴哥的部分文字回答）:差异基因的筛选这个包里面是有的，在合并 ES，这个包有差异基因的差值，根据差值和p值，共同确定差异基因和方向。

问：我们在用MetaDE做芯片Meta分析时，要不要做芯片的同质性检查，我看了好几篇文献以及猴哥的文献，都没有提到这一点，直接用MetaDE做了分析，是不是可以直接这样用？

答（猴哥）：现场录音解答 

答（猴哥的部分文字回答）:  没有办法做，蛮多审稿人问道这个问题。用其他的包，比如 metaGEM是可以做。差异种族和年龄。

问：请教个问题。在CBM中查找中文主题词，结果提示找不到查询相符的资源。是查询错误还是就是没有相关的主题词和自由词？

答（猴哥）：现场录音解答 

答（猴哥的部分文字回答）:可以在pubmed 先找英文，然后找中文。

问：亲们，revman 软件 add study后排序不是按照我输入的顺序，怎么回事啊？

答（猴哥）：现场录音解答 

答（猴哥的部分文字回答）:根据 我们的 author 的首字母排列。

问：各位大咖，咨询一下，做meta分析在 cochrane library 数据库主题词搜索没有文献 只用的自由词，最后and到一起没有查到文献，把主题词当成自由词后，连同自由词一起 最后查到了文献，这样可以吗？

答（猴哥）：现场录音解答 （类似问答点这里）

答（猴哥的部分文字回答）:先按主题词词+ 下位词+ 自由词查词。先找到主题词，在pubmed找，以pubmed为先导。

1

Colorectal Neoplasms

Tumors or cancer of theCOLON or the RECTUM or both. Risk factors for colorectal cancer includechronic ULCERATIVE COLITIS; FAMILIAL POLYPOSIS COLI; exposure to ASBESTOS; andirradiation of the CERVIX UTERI.

Year introduced: 1989

Select item 680031232.

Colorectal Neoplasms, Hereditary Nonpolyposis

下位词

Entry Terms:

• Neoplasms, Colorectal

• Colorectal Neoplasm

• Neoplasm, Colorectal

• Colorectal Tumors

• Colorectal Tumor

• Tumor, Colorectal

• Tumors, Colorectal

• Colorectal Carcinoma

• Carcinoma, Colorectal

• Carcinomas, Colorectal

• Colorectal Carcinomas

• Colorectal Cancer

• Cancer, Colorectal

• Cancers, Colorectal

• Colorectal Cancers

自由词 ：colorectal cancer等

genespring数据挖掘系列文章推出一年多，我们总结了读者朋友的相关常见疑问：

使用genespring时数据导入成功的关键是什么？

认真阅读说明书重要吗？

GEO数据库写文章够用吗？

数据集注释看不懂。

芯片信息、表达值都是什么鬼？

探针对应基因和转录本分类又是什么……？

数据集选择障碍。

纠结用原始数据还是矩阵格式？

平台、原始、矩阵、混合包怎么选？

宝宝的论文到底需要哪部分数据？

上传的实验设计一团糟，怎么办？

样本信息都是什么意思？

仔细听赵老师的本次录音，就会有你需要的答案。

赵老师现场详细介绍了各种临床研究常见数据库的应用背景，演示了怎样检索、筛选GEO中的数据集，解决了怎么处理才能把数据集直接应用到文章中的问题。

现场导入数据处理中……

现场操作演示生成的图，很漂亮有木有，非常简单哦~

之前的课程中，我们通过数据库拿到了免费的数据，今天我们就开始分析它们了，这个过程就叫做“数据挖掘”。

首先介绍下基因芯片软件和工具。基因芯片分析一般对硬件要求不高，普通的PC机就能运行，但如果处理较多的数据量时，建议提高内存，如果拥有16g内存和i7的处理器基本就能快速运行所有分析了。目前基因芯片的分析工具很多，但各有优缺点。根据难易程度推荐以下三款软件和工具。

GeneSpring 

优点：互动式的视窗操作界面，傻瓜式操作，功能强大，拥有超过4400篇的高水平参考文献的引用，表达谱数据分析的金标准。

缺点：商业软件收费，操作繁琐，功能拓展性差。如同SPSS一样，适用于零基础的鞋同。

.BRB-Array 

 优点：基于excel的分析工具，自动调用R包，功能强大，拓展性强，操作简单，免费使用。

缺点：专业性强，格式要求高，稍有不符就报错。适用于有一定基础且对英文说明书研究要透彻。

R—Bioconductor

优点：R语言，生信必学的分析工具，强大的统计分析和作图工具，集合了几乎所有和最新的分析算法和工具包，任你免费调用。

缺点：对于拥有安装某个R包就研究几天经历的鞋童们就不用多说了吧！

那么便于零基础的鞋童这里采用GeneSpring进行分析。我们以上次讲到的GSE15765为例90个样本，从cel文件开始分析。

GeneSpring界面

新建项目，命名。

新建实验，命名。

选择芯片平台，即哪家公司的哪类产品。

选择高级分析，点击ok。

选择文件，导入cel文件。

输入arr文件，不用输入跳过这步点next。

选择算法，从还原文献中得知采用RMA。一般选择中位数作为基线。

点击完成后，运行。最终生成了一个22277个探针*90个样本的矩阵格式形式了。

接下来就是导入平台注释文件，告诉你这些探针号代表的基因是什么。

导入对应的上期所讲的平台注释txt文件。

记得打开它，把多余的标题删除，保持也是矩阵形式。

选择你要匹配的id和注释的信息。根据文献，我们就选择ID，Gene Symbol，ENTREZ_GENE_ID和Gene Title。当然也可以选择更多信息来注释你的探针。

这样就完成注释了。

最后就是要输入样本的分组信息。只有知道样本的分组信息才能进行统计，没有比较就没有差异。

添加一个分组变量，命名type，非数值型。

根据实验分组信息，对具体样本编号进行hcc，hcc-icc，icc分组。

然后点击create interpretation来进一步描述统计目的。

选择不连续变量。

选择包含三个分组，取均值。

产生了三组的图谱。可以指针悬停看什么基因。

接下来是统计，可以进行三组检验的各种统计分析。

如果只想进行两组（例如hcc和icc）的检验。那么重新create interpretation，只选择hcc和icc。这里举例hcc和icc，用非配对的t检验。

根据你不同的目的选择不同的统计方法。

设定p值的阈值。

筛选出14633个探针，p<0.05。

接下来再根据差异倍数进一步筛选。

选择HCC v ICC。

选择2倍差异阈值。

总共4151个探针，至少两倍差异，p<0.05被筛选出来了。

右击鼠标导出数据。

打开txt，就得到最终的详细列表。

最后可以通过txt导入excel，进一步整理成发表论文的表格，这样就大功告成了。

这期就到这里了，下期将进一步实现如何把不同类型的芯片数据集整合在一起，即还原文献中以下这段过程。

关于GeneSpring的安装下载，可从官网机构邮箱注册获得，可以免费试用7天

本期也有几提问:

1. 如果数据集没有cel格式的原始数据，只有矩阵文本是否能用GeneSpring来统计分析差异？怎么操作？
2. GeneSpring还能做哪些分析？怎么操作？

赵老师的生信沙龙提问版

问：文章PMID是多少啊？

答（赵忻艺）：PMID: 25712376

问：如果做心血管方面研究，怎么做

答（赵忻艺）：现场录音已解答

问：赵老师挑选这个芯片有心得吗？比如看一下芯片的文章分数？

答（赵忻艺）：现场录音已解答

问：为什么直接搜索GSE…的系列集呢？ 这个系列集怎么确定？为什么不直接搜胆管癌？请教怎么确定GSE 系列集？谢谢！

答（赵忻艺）：现场录音已解答

问：矩阵数据我怎么知道用什么标准化的

答（赵忻艺）：现场录音已解答
问：如果一个GSE文件里面样本上不够，可以一个GSEXXXX里面选几个样本，然后另外一个GSEXXX选几个样本，凑在一起分析吗 

答（赵忻艺）：现场录音已解答

问：从GEO下载的affymetrix公司的芯片原始数据文件，CEL结尾的，要不要先质量控制（查看芯片灰度、画箱线图、画降解曲线等）剔除一些样本，，还是可以直接使用预处理的一体化算法比如MAS5、RMA等来标准化，然后就直接可以用R语言limma包差异分析了？

答（赵忻艺）：现场录音已解答

问：已经标准化后的矩阵用R语言什么包合适呢？谢谢

答（赵忻艺）：现场录音已解答

答（赵老师的部分文字回答）：问题太模糊，无法回答

提问前请仔细阅读这篇求助得回应秘诀

问：能否演示这几个数据集的数据具体是如何合并的？

答（赵忻艺）：现场录音已解答

答（赵老师的部分文字回答）：本次还没有讲到这里，照顾零基础的听众，从基础开始说。注意每周的直播预告，会讲到这部分的。

 
问：

1.对于芯片的纳入，如国内的博奥和博芯公司的芯片探针数才8000-10000左右，而国外的几万探针，这种情况国内的芯片是否可以纳入一起研究？

2.用R语言进行差异分析时，要进行归一化，较正处理，像昂飞公司的芯片有相应的affy.R包，博芯和博奥公司官网是否也有相应的R包下载？

答（赵忻艺）：现场录音已解答

 
问：GeneSpring有破解版吗？

答（赵忻艺）：现场录音已解答

答（赵老师的部分文字回答）：有，某宝有售

问：在geo里有些芯片数据没有发文章,这些芯片数据的价值大吗?如果大为什么作者不发呢?

答（赵忻艺）：现场录音已解答

问：纳入的文章，所有的REM必须一致？

答（赵忻艺）：现场录音已解答

问：怎么安装genespring 现在已经下好了破解版 ，在破解那一步卡住了 .

答（赵忻艺）：现场录音已解答

问：一个基因对应多个探针，以哪个探针为准

答（赵忻艺）：现场录音已解答

问：
二代测序的数据怎么下载呢？

答（赵忻艺）：现场录音已解答

热心群友的珍藏版genespring相关学习材料

热心群友--（这里不能透露姓名但进群就能认识的）--提供了私家珍藏版的genespring相关学习材料，有需要的读者发送GX0002到后台直接领~ 

群友tips：最后用程序性兼容的XP打开哦，用win7打不开：）

发送SL0000到后台，参加每周的免费线上沙龙，和赵老师现场讨论大数据挖掘问题。

注意：
1. 是发送后台，而非留言区或其它地方。
2. 请务必发对关键词，否则是收不到的。

生信大数据版主介绍：赵忻艺，将大数据应用于医学科研，主要包括临床医学数据的挖掘、收集、整理和利用（标准化和科学化的数据库），医学分子大数据的整理、利用及研究（基因、蛋白及代谢）。特别针对肿瘤个体化的基因测序和数据快速处理，寻找个体化的分子标志物、药物靶标和治疗方案。目前，已建立浙大大数据挖掘团队，旨在降低研究者学习大数据的门槛，推动大数据共享与研究协作，发表更高质量的研究成果，为科研决策提供精准的预测和实验证据。