<<
>>
组间boxplot图 21400 查看 本工具用于boxplot，适用于组别为2组及以上，组内有生物学重复的数据集。 箱线图（Box-plot）又称为箱形图，是一种用作显示一组及多组数据分布情况的统计图形。其名称来源于其形状类似于箱子。箱线图除了可以反映出一组原始数据的分布特征，还可以通过联合作图进行多组数据分布特征的比较。 箱线图的绘制方法是：先找出及计算出每组数据的最大值、最小值、上四分位数、下四分位数和中位数这五个描述分布的参数（除去离群点）；然后从上四分位数和下四分位数出发延伸出两条横向线段作为上底边和下底边绘制一个矩形（形状像箱子），再从中位数出发延伸出一条横向线段将矩形分割成上下两部分；最后从上四分位数和下四分位数出发延伸出两条纵向线段至最大值和最小值。 旧版boxplot提供小提琴图的绘制 小提琴图 (Violin Plot)是用来展示多组数据的分布状态以及概率密度。这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。与箱形图类似，但是在密度层面展示更好。在数据量非常大不方便一个一个展示的时候小提琴图特别适用。 微生物和代谢物相关性 21228 查看 根据样本一一对应关系对，计算微生物(OTU/门/纲/目/科/属/种)的相对丰度，与对应代谢物的响应强度数据之间的关联性。相关性算法可选用的有pearson相关性、spearman相关性、kendall相关性。如果不指定，默认使用spearman相关性计算方法。 共表达相关性分析(热图) 19048 查看 根据样本一一对应关系对，计算两个组学特征之间的相关性，或一个组学特征的自相关性（即两个不同的表或者相同的表），并做热图，矩阵图和网络关系图。相关性算法可选用的有pearson相关性、spearman相关性、kendall相关性。如果不指定，默认使用pearson相关性计算方法。 细胞表达可视化 18137 查看 Featureplot、Violinplot、Dotplot 基因表达可视化工具 CCA-RDA分析 13762 查看 RDA/CCA 为基于对应分析发展的一种排序方法，将对应分析与多元回归分析相结合，每一步计算均与环境因子进行回归，又称多元直接梯度分析，主要用来反映菌群与环境因子之间的关系。 RDA 是基于线性模型，CCA 是基于单峰模型。分析可以检测环境因子、样品、菌群三者之间的关系或者两两之间的关系。 WGCNA 13134 查看 加权基因共表达网络(WGCNA, Weighted Gene Co-Expression Network Analysis)，是一种从高通量的表达数据中挖掘模块(module)信息的算法，在该方法中module被定义为一组具有类似表达谱的基因，并探索module内基因网络与研究者关注的表型之间的关联关系。 差异统计(组学通用) 12604 查看 --- 最新更新： 提供31套配色可选，包括Lancet、NEJM等期刊高/低饱和度配色方案 -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 差异统计分析小工具，用于对芯片、测序、qPCR、蛋白、代谢、微生物等标准化后的数据，进行差异计算。常见的差异分析分为参数检验和非参数检验。该款小工具提供6类统计方法： 1、ANOVA分析：即单因素方差分析。适用场景为 >=3 组的比较；数据符合正态分布的情况下适用；（注：如大于等于3组情况下，选取ANOVA方法，会同时提供后验概率计算结果） 2、Kruskal Wallis检验：适用场景为 >=3 组的比较；数据不符合正态分布的情况下可用； 3、T test检验：适用场景为 2 组的比较；数据符合正态分布的情况下适用； 4、Wilcoxon检验：适用场景为 2 组的比较；数据不符合正态分布的情况下可用； 5、T test配对检验：适用场景为 2 组的比较；并且2组样本数量一致，呈一一对应； 6、Wilcoxon配对检验：适用场景为 2 组的比较；并且2组样本数量一致，呈一一对应。 有参转录组一键化报告 9119 查看 仅适用于有参转录组 有参转录组一键化报告基于常规报告表达和注释背景文件，根据提供的样本分组表和差异比较表进行表达统计，差异比较和富集分析。结果文件内容和格式与常规报告一致。 请注意：真核有参转录组报告中可进行交互式分析，无需自己上传项目背景文件，请前往“我的项目”，查看对应项目进行自主分析，地址链接：https://cloud.oebiotech.com/#/user/reportlog 趋势分析 8903 查看 趋势分析又称为STEM分析，一个基因的表达变化从一个时间点往下一个时间的变化主要有三种趋势，即 增加 、不变 和 减小 。如果只有两个时间的话，变化趋势有3种，三个时间点的话，变化趋势共有9种，n个时间点的话变化趋势共有 3的n-1次方 种变化趋势。 构建出对应的变化趋势之后，将基因的表达数据转换，计算转换后的数据与对应变化趋势的相似性，最终衡量基因属于哪一个趋势，同时，随机打乱时间点，重新进行趋势分析，统计每个趋势中的基因的数量，进行大量的随机重排之后，每个趋势中可以得到一个期望的基因数量，最终利用超几何分布算法计算该趋势的p-value。 样本相关性分析 8636 查看 根据基因表达矩阵文件，使用pearson算法计算样本之间的相关性 条形图 8082 查看 本工具可用于绘制条形图，常用于展示富集分析的结果。 蛋白/代谢相关性图 6940 查看 本工具为绘制蛋白或代谢相关性图。 通过相关性分析可以帮助衡量显著差异代谢物之间的相关密切程度，进一步了解生物状态变化过程中，代谢物之间的相互关系。 相关性分析使用Pearson相关系数，Pearson积差相关系数衡量了两个定量变量之间的线性相关程度。
在线咨询