基因云馆新一代信息数据库

1) lncRNA数据预处理：对表达谱数据进行质量评估，如一系列预处理及均一化处理。 

2) 差异表达lncRNA及mRNA 的筛选：根据客户提供样本量的大小与分布或实验目的，应用LIMMA、倍数法、多重假设检验等手段，对两条件或多条件下的表达差异的lncRNA和mRNA分别进行计算和筛选。 

※ 表达模式聚类分析：针对芯片结果进行样本及差异表达lncRNA和mRNA的聚类，寻找属于同一表达趋势的基因或样本。 

※ GO和pathway显著性富集分析：差异基因，应用数据库进行功能富集分析，挖掘具有统计学意义的差异表达基因的功能类别。显著性P值越小，则它随机聚集差异表达基因的概率越小，其功能相关性的非随机性就越小，该功能模块有较大的可能与疾病（或药物作用） 相关。 

※ 蛋白互作网络分析：研究与指定蛋白质相互作用的其他蛋白质的信息，以使研究人员能够更加深入地认清相关蛋白质的功能，更清楚地理解其调控机制。 

3) lncRNA-mRNA共表达分析：对于每一个差异表达的lncRNAs，计算得到与之共表达的编码基因。 

4) lncRNA表达模式分析：考察差异表达LncRNAs 的表达模式，将LncRNAs 以及与该LncRNAs 显著共表达的编码基因的表达模式绘制heatmap。 

5) lncRNA功能预测：筛选出表达显著相关的lncRNA-mRNA 关系对，利用成熟的mRNA 的功能来推导lncRNA 的功能，对异常表达lncRNA 显著相关的mRNA 进行功能富集分析。 

6) lncRNA cis作用机制研究：对于感兴趣的差异表达lncRNAs，搜索其上下游100K范围内的所有编码基因，并与该lncRNAs 有显著共表达的基因取交集。这些在基因组上临近、且表达模式上共表达的基因很可能被该lncRNAs 所调控。 

7) lncRNA trans作用机制研究：计算LncRNAs 共表达的编码基因，集合与转录因子/染色质调控复合物的靶基因集合的交集，利用超几何分布计算该交集的富集程度，得到与lncRNAs 显著相关的转录因子，从而识别可能与lncRNAs 联合发挥调控作用的转录因子/染色质调控因子。 

※ lncRNA--转录因子二元关系及网络分析 

※ lncRNA--转录因子--靶基因三元关系及网络分析

分析相关