這兩天在做蛋白質資料的eda（exploratory data analysis）試了table one、pca、volcano plot和manhattan plot。實現語言為r。
資料簡要介紹
蛋白質在全血中濃度log後的值，以及一張含各variable的表。protein資料648（proteins）*92（patients）。資料lung cancer case:control=322:325基本持平。case指lung cancer。
table one
table one用lung cancer case作為輸出求各variable的p-value。table one只能提供資料大致的第一印象。
需要注意的是在table one中顯著的variable並不能作為後面denoise data所用的adjust variable，原因有：
有的variable間本來可能就有聯絡，比如bmi和高血壓，如果都adjust可能會有重複調整的風險
linear mixed model選擇adjust variable應該根據reference選擇合理的variable，是為了觀察除這兩個variable外潛在相關的variable，而不是根據p-value選擇。
pca
pca如下圖，結果很不好。問了別人，別人的結果也無法清晰分類。最後，大家的結論是pca無法很好解釋該資料，選擇不用pca。
因為筆者要探索smoking以外variable對lung cancer的影響，所以繪製了兩張，一張before adjust by smoking, 一張after。每個點代表乙個protein。縱座標為-log10（adjust p-value），點越靠近圖頂部表示差異越顯著。橫座標為log2(fold change)，點越偏離中心，表示差異倍數越大。
名詞解釋
manhattan plot
將gwas分析之後所有snp位點的p-value在整個基因組上從左到右一次畫出來，並且為了更直觀的表達結果，通常會將p-value轉換成-log10（p-value）。所以y軸高度越高，關聯性越強。
目前為止網上找到的都是用來畫基因資料的。試著畫了一下蛋白質資料，效果不好。
總之，univariate analysis並沒找出什麼有效protein。做完這些後會將資料用lmm denoise（adjust by age, gender, bmi）。
reference：
volcano plot | 別再問我這為什麼是火山圖
如何理解gwas中manhattan plot和qq plot所傳遞的資訊。
常見蛋白質種類 什麼是優質蛋白質？雞蛋大豆算不算
蛋白質都是由氨基酸構成的，大部分的氨基酸可以在人體內合成，但是有八種氨基酸是人體無法合成，只能從食物中獲取的，這八種氨基酸就叫做必需氨基酸，其中，嬰兒有9種。八種必需氨基酸的為 甲硫氨酸 蛋氨酸 異亮氨酸 纈氨酸 亮氨酸 苯丙氨酸 色氨酸 蘇氨酸 賴氨酸 嬰兒還包括組氨酸 食物蛋白質中，如果有一種或...
蛋白質結構與功能
蛋白質結構與功能 一 蛋白質的一級結構 1.定義 蛋白質分子從n 端至c 端的氨基酸排列順序。2.主要化學鍵 共價鍵 肽鍵 二硫鍵 少數 3.第乙個被確定一級結構的蛋白質 胰島素。4.結構測定 純蛋白質 二硫鍵拆開 末端氨基酸測定 二 蛋白質的二級結構 1.定義 蛋白質分子中某一段肽鏈的區域性空間結...
蛋白質濃度與鹽脅迫的關係 蛋白質的分離純化（二）
從原料中抽提得到的蛋白質溶液一般蛋白質含量較低，並含有多種雜質。對抽提液進行初步提取，也稱粗提或粗分級，主要目的是除去糖 脂類 核酸及大部分雜蛋白，並將蛋白濃縮。這一步的操作一般應該盡量簡單快速，並且適於處理大量樣品，所以以沉澱法為主，包括簡單沉澱 分級沉澱等。簡單沉澱是一次性完成，分級沉澱是分次加...