- 基因表达谱数据
基因表达谱可以用一个矩阵来表示，每一行代表一个基因，每一列代表一个样本（如图1）。所有基因的表达谱数据在“gene_exp.txt”文件中存储，第一列为基因的entrez geneid，第2~61列是疾病样本的表达，第62~76列是正常样本的表达。
图1 基因表达谱的矩阵表示
- 寻找差异表达的基因：
原理介绍：
差异表达分析是目前比较常用的识别疾病相关miRNA以及基因的方法，目前也有很多差异表达分析的方法，但比较简单也比较常用的是Fold change方法。它的优点是计算简单直观，缺点是没有考虑到差异表达的统计显著性；通常以2倍差异为阈值，判断基因是否差异表达。Fold change的计算公式如下：
即用疾病样本的表达均值除以正常样本的表达均值。
差异表达分析的目的：识别两个条件下表达差异显著的基因，即一个基因在两个条件中的表达水平，在排除各种偏差后，其差异具有统计学意义。我们利用一种比较常见的T检验（T-test）方法来寻找差异表达的miRNA。T检验的主要原理为：对每一个miRNA计算一个T统计量来衡量疾病与正常情况下miRNA表达的差异，然后根据t分布计算显著性p值来衡量这种差异的显著性，T统计量计算公式如下：
对于得到的显著性p值，我们需要进行多重检验校正（FDR），比较常用的是BH方法（Benjamini and Hochberg, 1995）。
