معلومة

التحليل الوراثي لتخصيب الجينات؟

التحليل الوراثي لتخصيب الجينات؟


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

هل توجد أي أدوات لإجراء تحليل علم الوراثة لإثراء الجينات؟ هذا ، لدي قائمة بالجينات من تجربة أجريت على عدة أنواع ، مع درجة z يمكن وصفها بأنها "إثراء" مرتبطة بكل جين في كل نوع. إنه ليس التعبير الجيني ، إنه إثراء لعلامة معينة في الجين. أود مقارنة هذه القوائم ، غير المتداخلة تمامًا ، عبر سلالة الأنواع ، لأرى تغييرات مهمة في اتجاه الإثراء على مستوى الجينات ، أو على مستوى الفرع. ما هي الأدوات التي يمكنني استخدامها لهذا؟

الأنواع 1 جين الدرجة Z 1 0.532 جين 2 0.531 ... الأنواع 2 جين الدرجة Z 1 0.51 جين 3 0.505 ...

قد يؤدي تحليل الجينات غير الموجودة في كل الأنواع إلى بعض المشاكل ، ولكن من الممكن تمامًا تحليل العلاقة بين الأنواع في وقت واحد (بناءً على درجة الإثراء الخاصة بك) ، وعلاقة الدرجات نفسها.

سامحني إذا كان هذا تحليلًا "بسيطًا" للغاية ، لكنك لم تقل ما حاولت.

سيكون اختياري للنهج هو استخدام R (حزمة إحصائيات مفتوحة المصدر) لإنشاء خريطة حرارية لمصفوفة البيانات الخاصة بك. هناك الكثير من الخيارات لطريقة التجميع ، لكن الإعدادات الافتراضية تميل إلى إنتاج مخطط حراري لطيف تمامًا ، مع تحليل الكتلة الهرمي الذي يتم إجراؤه على كلا بعدي البيانات (يمكنك تحديد 1 فقط ، أو حتى لا شيء ، إذا كنت تفضل ذلك). لقد استخدمت الكود التالي لمحاكاة بعض البيانات لإنشاء خريطة الحرارة أدناه ؛

# إنشاء مصفوفة 10x10 باستخدام بيانات عشوائية x <- as.matrix (data.frame (rnorm (10)، rnorm (10)، rnorm (10)، rnorm (10)، rnorm (10)، rnorm (10)، rnorm () 10)، rnorm (10)، rnorm (10)، rnorm (10))) # استخدام وظيفة heatmap على البيانات. "labRow" و "labCol" ما عليك سوى إزالة التسميات. خريطة التمثيل اللوني (x، xlab = "Genes"، ylab = "Species" ،،)


نظرًا لأنها بيانات تم إنشاؤها عشوائيًا ، فلا توجد أنماط فعلية ، ولكن إذا قمت بإلصاق بيانات حقيقية بها ، فستبدو أفضل بلا شك. (في التحليل الفعلي ، سترغب في ترك الملصقات قيد التشغيل ، لقد كنت فقط أبسط الحبكة). يمكن للوظيفة التعامل مع القيم المفقودة ، لذا يمكنك وضع جميع الجينات التي تريد تحليلها هناك ، حتى لو لم تكن جميع الأنواع تمتلكها.

باستخدام هذه الطريقة ، يمكنك رؤية الأنواع الأكثر ارتباطًا عن طريق الإثراء الجيني ، وأيضًا ما هي الجينات الأكثر ارتباطًا (من حيث إثراء فريق العمل الخاص بك).


من مثالك

الأنواع 1 جين الدرجة Z1 0.532 جين 2 0.531 ... الأنواع 2 جين درجة Z1 0.51 جين 3 0.505

تحتاج إلى الحصول على مصفوفة لجميع درجات Z من جنسك ، مثل هذا

الأنواع الجينية 1 الأنواع 2 الجين 1 0.532 0.51 الجين 2 0.531 لا ينطبق الجين 3 لا ينطبق 0.505

وبعد ذلك ، يمكنك بسهولة حساب مصفوفة المسافة لمجموعة التخصيب الخاصة بك ، لإجراء تحليل النشوء والتطور باستخدام R

على سبيل المثال

الجينات <- c (لصق (rep ("gene"، 10)، seq (1،10،1)،)) الأنواع <- c (rep (rnorm (10، 0.5، 0.3)، 10)) Species.name < - c (لصق (rep ("Species"، 10)، seq (1،10،1)،)) مصفوفة الجينات <- data.frame (Species1 = Species [1:10]، Species2 = Species [11:20 ] ، الأنواع 3 = الأنواع [21:30] ، الأنواع 4 = الأنواع [31:40] ، الأنواع 5 = الأنواع [41:50] ، الأنواع 6 = الأنواع [51:60] ، الأنواع 7 = الأنواع [61:70] ، الأنواع 8 = الأنواع [71:80]، Species9 = الأنواع [81:90]، Species10 = الأنواع [91: 100]، row.names = genes) d.gene.matrix <- dist (gene.matrix، method = "euclidean") الشجرة <- hclust (d.gene.matrix) قطعة (الشجرة)> gene.matrix Species1 Species2 Species3 Species4 Species5 Species6 Species7 gene1 0.97128393 0.97128393 0.97128393 0.97128393 0.97128393 0.97128393 0.97128393 gene2 0.85378459 0.85378459 0.85378459 0.85378459 0.85378459 0.85378459 0.85378459 gene3 0.85152911 0.85152911 0.85152911 0.85152911 0.85152911 0.85152911 0.85152911 gene4 0.52703866 0.52703866 0.52703866 0.52703866 0.52703866 0.52703866 0.52703866 جين 5 0.49145958 0.49145958 0.49145958 0.49145958 gene1 0.49145958 0.49145958 0.49145958 gene6 0.70815764 0.70815764 0.70815764 0.70815764 0.70815764 0.70815764 0.70815764 gene7 0.66739808 0.66739808 0.66739808 0.66739808 0.66739808 0.66739808 0.66739808 gene8 0.47487837 0.47487837 0.47487837 0.47487837 0.47487837 0.47487837 0.47487837 gene9 0.13635000 0.13635000 0.13635000 0.13635000 0.13635000 0.13635000 0.13635000 gene10 0.07511424 0.07511424 0.07511424 0.07511424 0.07511424 0.07511424 0.07511424 Species8 Species9 Species10 0.97128393 0.97128393 0.97128393 gene2 0.85378459 0.85378459 0.85378459 gene3 0.85152911 0.85152911 0.85152911 gene4 0.52703866 0.52703866 0.52703866 gene5 0.49145958 0.49145958 0.49145958 gene6 0.70815764 0.70815764 0.70815764 gene7 0.66739808 0.66739808 0.66739808 gene8 0.47487837 0.47487837 0.47487837 gene9 0.13635000 0.13635000 0.13635000 gene10 0.07511424 0.07511424 0.07511424


شاهد الفيديو: NON HISTONE CHROMOSOMAL PROTEIN euchromatin and heterochromatin in Hindi (ديسمبر 2022).