MAGENTA: Meta-Analysis Gene-set Enrichment of variaNT Associations

MAGENTA是一款计算工具，利用全基因组遗传数据，计算预先设定的涉及生物过程或者功能性基因集在遗传相关性的富集程度。开发的目的是分析基因型不是现成的数据集，比如大型的全基因组关联荟萃分析。在以下两种情况下可以使用：1，检验某个特定的假设；2，通过检测一系列已知的生物基因集（从不同的公共数据库提供的通路）提出某个假设。

输入文本格式：变体相关的P值和它们的染色体位置（数据从全基因组关联分析文件或者荟萃分析文件获得）

输出文本格式：针对给定的基因集或通路，计算出基因集富集分析后的P值和错误发现率（false discovery rate），附加信息有：在此富集阈值（cutoff）下，期望和观察到的基因数目。

工具地址：https://software.broadinstitute.org/mpg/magenta/

时间： 2024-10-24 22:42:47

MAGENTA: Meta-Analysis Gene-set Enrichment of variaNT Associations的相关文章

GSEA - Gene set enrichment analysis 基因集富集分析原理与应用

RNA-seq是利器,大部分做实验的老板手下都有大量转录组数据,所以RNA-seq的分析需求应该是很大的(大部分的生信从业人员应该都差不多要沾边吧). 普通的转录组套路并不多,差异表达基因.富集分析.WGCNA network以及一些没卵用的花式分析.DEG分析是基础,up and down,做个富集,了解一下处理后到底是什么通路被改变了:WGCNA主要就是根据相关性来找出一些co-express的gene module. 单细胞的转录组的玩法就比较多了,可以理解为超多样本的普通转录组,普通转录

RNA_Seq data analysis

原文出处:https://genomebiology.biomedcentral.com/articles/10.1186/s13059-016-0881-8 摘要: RNA-seq已经被广泛的运用,但是现在还没有通行的分析流程.RNA-seq 分析的主要步骤包括:实验设计,QC控制,read alignment,quantification of gene and transcript leves, visualization, differential gene expression, al

Bioinfomatics dataset

##Genomic sequence variation ###1000 Genomes Projecthttp://www.1000genomes.org/Data collection and a catalog of human variation ###dbSNPhttp://www.ncbi.nlm.nih.gov/projects/SNP/A catalog ofSNPs and short indels ###dbVar and Database of Genomic Varian

【R】clusterProfiler的GO/KEGG富集分析用法小结

前言 关于clusterProfiler这个R包就不介绍了,网红教授宣传得很成功,功能也比较强大,主要是做GO和KEGG的功能富集及其可视化.简单总结下用法,以后用时可直接找来用. 首先考虑一个问题:clusterProfiler做GO和KEGG富集分析的注释信息来自哪里? GO的注释信息来自Bioconductor,提供了19个物种的org类型的GO注释信息,如下表所示.Bioconductor中更多的注释包可参考http://www.bioconductor.org/packages/rel

如何总结和整理学术文献？

nerfing ,爱科学爱文学 收录于 知乎圆桌 . 编辑推荐 •袁霖等 2118 人赞同 第一次在知乎答题... 我认为整理文献的主要目的就是:能够在任何条件下,快速找到所需信息.任何好用的软件,都不如大批量多批次的文献阅读. 我的思路是:轻整理,重搜索.轻整理,是指不对文献分类,或者只是对文献简单分类.重搜索,是指利用不同的搜索工具,快速定位到我需要的文献.我认为在现在搜索技术已经很强大的情况下,如果利用笔记等手段整理,反而容易造成条条框框,在对于一篇文献关注太长的时间,不利于提高效率.在日

The LMAX disruptor Architecture--转载

原文地址: LMAX is a new retail financial trading platform. As a result it has to process many trades with low latency. The system is built on the JVM platform and centers on a Business Logic Processor that can handle 6 million orders per second on a sing

无生物学重复RNA-seq分析 CORNAS: coverage-dependent RNA-Seq analysis of gene expression data without biological replicates

无生物学重复RNA-seq分析 CORNAS: coverage-dependent RNA-Seq analysis of gene expression data without biological replicates BMC Bioinformatics 的一篇文章中提出了一种新的差异基因分析方法. 这篇文章提出了CORNAS(COverage-dependent RNA-Seq) 方法,利用贝叶斯方法来推断真实基因表达数的  后验分布. 其创新型之一该方法包括了由RNA样品浓度决定的

功能的显著性分析——GO Enrichment Analysis

  Gene Ontology(GO)是基因功能国际标准分类体系.GO富集分析是对差异基因等按GO分类,并对分类结果进行基于离散分布的显著性分析.错判率分析.富集度分析,得到与实验目的有显著联系的.低误判率的.靶向性的基因功能分类,该分类即导致样本性状差异的最重要的功能差别.在芯片的数据分析中,研究者可以找出哪些变化基因属于一个共同的GO功能分支,并用统计学方法检定结果是否具有统计学意义,从而得出变化基因主要参与了哪些生物功能. 1.      对mRNA进行显著性功能富集分析,得到具有显著性.

variant变异 | Epigenome表观基因组 | Disease-susceptible gene 疾病易感基因

Genotype-Tissue Expression Project (GTEx) Roadmap Epigenomics Project 这个研究的思路是什么?鉴定出有功能调控作用的变异. 对于复杂性状,通常会由很多遗传因素来控制,从而影响到表型.GWAS鉴定出了很多SNP,但是却只能解释部分heritability. 怎么鉴定带有一定effect size的causal的变异来解释缺失的heritability是现在的研究热点.大白话就是现在的GWAS只关注 pvalue < 5x10^-8