RNA 27 SCI文章中转录因子结合motif富集到调控 络 (RcisTarget)

点击关注，桓峰基因

RNA 1. 基因表达那些事–基于 GEO

RNA 2. SCI文章中基于GEO的差异表达基因之 limma

RNA 3. SCI 文章中基于T CGA 差异表达基因之 DESeq2

RNA 4. SCI 文章中基于TCGA 差异表达之 edgeR

RNA 5. SCI 文章中差异基因表达之 MA 图

RNA 6. 差异基因表达之– 火山图 (volcano)

RNA 7. SCI 文章中的基因表达——主成分分析 (PCA)

RNA 8. SCI文章中差异基因表达–热图 (heatmap)

RNA 9. SCI 文章中基因表达之 GO 注释

RNA 10. SCI 文章中基因表达富集之–KEGG

RNA 11. SCI 文章中基因表达富集之 GSEA

RNA 12. SCI 文章中肿瘤免疫浸润计算方法之 CIBERSORT

RNA 13. SCI 文章中差异表达基因之 WGCNA

RNA 14. SCI 文章中差异表达基因之 蛋白互作 络 (PPI)

RNA 15. SCI 文章中的融合基因之 FusionGDB2

RNA 16. SCI 文章中的融合基因之可视化

RNA 17. SCI 文章中的筛选 Hub 基因 (Hub genes)

RNA 18. SCI 文章中基因集变异分析 GSVA

RNA 19. SCI 文章中无监督聚类法 （ConsensusClusterPlus）

RNA 20. SCI 文章中单样本免疫浸润分析 （ssGSEA）

RNA 21. SCI 文章中单基因富集分析

RNA 22. SCI 文章中基于表达估计恶性肿瘤组织的基质细胞和免疫细胞

RNA 23. SCI文章中表达基因模型的风险因子关联图（ggrisk）

RNA 24. SCI文章中基于TCGA的免疫浸润细胞分析 (TIMER)

RNA 25. SCI文章中估计组织浸润免疫细胞和基质细胞群的群体丰度(MCP-counter)

RNA 26. SCI文章中基于转录组数据的基因调控 络推断 (GENIE3)

RNA 27 SCI文章中转录因子结合motif富集到调控 络 (RcisTarget)

临床预测模型整理如下：

Topic 1. 临床标志物生信分析常规思路

Topic 2. 生存分析之 Kaplan-Meier

Topic 3. SCI文章第一张表格–基线表格

Topic 4. 临床预测模型构建 Logistic 回归

Topic 5. 样本量确定及分割

Topic 6 计数变量泊松回归

Topic 7. 临床预测模型–Cox回归

Topic 8. 临床预测模型-Lasso回归

Topic 9. SCI 文章第二张表—单因素回归分析表

Topic 10. 单因素 Logistic 回归分析—单因素分析表格

Topic 11. SCI中多元变量筛选—单/多因素表

Topic 12 临床预测模型—列线表 (Nomogram)

Topic 13. 临床预测模型—一致性指数 (C-index)

Topic 14. 临床预测模型之校准曲线 (Calibration curve)

Topic 15. 临床预测模型之决策曲线 (DCA)

Topic 16. 临床预测模型之接收者操作特征曲线 (ROC)

Topic 17. 临床预测模型之缺失值识别及可视化

Topic 18. 临床预测模型之缺失值插补方法

本期教程展示了如何使用 RcisTarget 获取基因列表上富集的转录因子结合 motif/p>

前言

RcisTarget是用于识别在基因表中过度表现的转录因子(TF)结合 motif。

软件安装

RcisTarget基于之前在i-cisTarget (web界面，基于区域)和iRegulon (Cytoscape插件，基于基因)中实现的方法。软件包安装如下：

数据库下载

每对基因基序的得分可以用不同的参数来进行。因此，我们提供多个数据库(motif-rankings)，根据以下几种可能性:

Species: Species of the input gene set. Available values: Human (Homo sapiens), mouse (Mus musculus) or fly (Drosophila melanogaster) Scoring/search space: determine the search space around the transcription start site (TSS). Available values: 500 bp uptream the TSS, 5kbp or 10kbp around the TSS (e.g. 10kbp upstream and 10kbp downstream of the TSS). Number of orthologous species taken into account to score the motifs (e.g. conservation of regions). Available values: 7 or 10 species

具体的数据库在：

https://resources.aertslab.org/cistarget/

我们这里选择 human 可以直接找到下载链接下载，也可以通过以下方式下载：

数据库读取

我们读取数据，因为数据挺大的，我这小电脑承受不起，后续没有利用这个下载的数据库，而是例子中的截取的来分析的。

数据库实例(子集)

除了数据库的完整版本(20k motif)之外，软件包还提供了一个子集，其中只包含来自cisbp的4.6k motif(仅针对人类:rcistarget .hg19. motifdbs . cisbponly500bp)。这些子集在Bioconductor中可用于演示目的。将为现有的图案提供相同的AUC分数。然而，当然在实际分析数据时强烈建议使用完整版本(~20k motifs)以获得更准确的结果，因为motif的归一化富集评分(NES)取决于数据库中motif的总数。

数据读取

函数cisTarget()允许在基因列表上执行基序富集分析。主要的输入参数是基因列表和基序数据库，应根据生物和基因TSS周围的搜索空间选择。