利用R或Python進(jìn)行數(shù)據(jù)分析或數(shù)據(jù)可視化在生物數(shù)據(jù)的分析中已經(jīng)應(yīng)用得越來(lái)越廣泛，并為生物學(xué)研究解決了大量的問(wèn)題。但是術(shù)業(yè)有專攻，在生物學(xué)領(lǐng)域深耕的專家學(xué)者可能不太熟悉編程技巧，感覺(jué)對(duì)生信分析一籌莫展，只能找別人幫忙協(xié)助分析。那么，有沒(méi)有方法可以讓不熟悉編程技巧的專業(yè)研究人員也能自己很方便地進(jìn)行數(shù)據(jù)分析，并把數(shù)據(jù)按自己的思路進(jìn)行可視化展現(xiàn)出來(lái)呢？答案是肯定的，具體怎么操作，且聽(tīng)編者慢慢道來(lái)。

首先，本期給大家?guī)?lái)的是Excel協(xié)助的生物信息數(shù)據(jù)分析技巧。Excel是微軟Office的其中一個(gè)工具，收費(fèi)。不過(guò)，沒(méi)關(guān)系，不想付錢(qián)我們可以用WPS的“表格”，和Excel完全兼容，部分功能還超過(guò)微軟的Excel。

下面我們就從蛋白質(zhì)組raw文件經(jīng)過(guò)MaxQuant搜庫(kù)后的結(jié)果出發(fā)，向您展示如何進(jìn)行一系列處理后得到差異顯著結(jié)果。

數(shù)據(jù)清理

MaxQuant提供的蛋白定量表中包含了部分錯(cuò)誤的匹配數(shù)據(jù)，需要預(yù)先去除。我們對(duì)結(jié)果文件的三列（Only identified by site、Reverse、Potential contaminant）進(jìn)行處理，即利用Excel的篩選功能，將這三列數(shù)據(jù)中含有“+”的行剔除。選中這幾列，按“Ctrl + Shift + L”（或【點(diǎn)擊數(shù)據(jù)】—【自動(dòng)篩選】）即可調(diào)出篩選功能。

歸一化處理

由于上樣量等的差異，每組樣本的定量結(jié)果可能不能直接比較，需要先進(jìn)行歸一化處理。目前文獻(xiàn)報(bào)道的歸一化方法很多，下面的演示我們采取中值歸一化的方法。

（1）數(shù)據(jù)清理

定量表中的0值，一般是指沒(méi)鑒定到，但在實(shí)際樣本中是不存在還是定量值太低，不好說(shuō)，直接都當(dāng)0看待會(huì)導(dǎo)致不必要的偏差。為了在后續(xù)尋找中值時(shí)不受0值干擾，在進(jìn)行歸一化之前，要先將0替換為空值。操作方法：查找內(nèi)容為0，替換為空值（不是空格，需要?jiǎng)h除格子中所有東西），點(diǎn)擊“選項(xiàng)”，選擇“單元格匹配”，點(diǎn)擊全部替換，即把表格中所有0的單元格替換成空值。如下圖：

（2）計(jì)算各樣本的中值

接下來(lái)我們需要找到各列的中值，可以用MEDIAN公式尋找中值（如果需要采用總和或最大值歸一化，可以用SUM、MAX計(jì)算總和或最大值），進(jìn)行歸一化。

在一個(gè)樣本列的末尾輸入“=MEDIAN(該列數(shù)據(jù)的單元格范圍)”，計(jì)算出該樣本的中位數(shù)。然后，鼠標(biāo)按住該單元格的右下方向右拖動(dòng)到合適的范圍，批量計(jì)算出所有樣本的中位數(shù)。

（3）歸一化

在新的列中，用公式“=單元格/中位數(shù)所在的單元格”進(jìn)行歸一化。由于中位數(shù)所在的單元格的行數(shù)是固定不變的。所以我們?cè)谛袛?shù)前加上一個(gè)“$”符號(hào)，該符號(hào)表示的是鎖定的意思。然后，鼠標(biāo)按住該單元格的右下方向右拖動(dòng)到合適的范圍，批量進(jìn)行歸一化。對(duì)同一列的批量操作可以在選中單元格后，將鼠標(biāo)放置在單元格的右下角變成實(shí)心“十”后，雙擊即可對(duì)整個(gè)列進(jìn)行操作。

補(bǔ)值

補(bǔ)值是對(duì)缺失值的一種估算。在無(wú)標(biāo)定量的MaxQuant結(jié)果中，由于我們?cè)谒褞?kù)時(shí)采取了Match between run的方式用一級(jí)數(shù)據(jù)進(jìn)行定量值的估算，以此依然缺失的數(shù)據(jù)基本上為定量值很低的結(jié)果，我們可以用很低的值進(jìn)行補(bǔ)值。在此，我們演示用最小值的1/2進(jìn)行補(bǔ)值。

首先，將歸一化后定量結(jié)果依然為0的單元格（在歸一化的公式操作中，空值經(jīng)公式計(jì)算后得到0值）替換成空值后，找到最小值?？梢酝ㄟ^(guò)“=MIN（單元格范圍）”公式計(jì)算最小值，或者選中全部定量列，在下方狀態(tài)欄中顯示最小值。

然后取最小值的1/2進(jìn)行補(bǔ)值，操作步驟如下：

按“Ctrl + G”調(diào)出”定位”，選擇“空值”，點(diǎn)擊“定位”，則把所有空值的單元格都定位上，直接輸入要補(bǔ)的值，填入到當(dāng)前選中的單元格中，然后按“Ctrl+Enter”即可對(duì)所有空值進(jìn)行補(bǔ)值。

注釋信息的匹配

在某些情況下，我們的定量表里可能只有“Accession”信息，但在實(shí)際分析中還需要Gene Symbol的信息。我們可以從數(shù)據(jù)庫(kù)中提取所有蛋白對(duì)應(yīng)的Gene Symbol信息表，但需要提取我們的鑒定列表的Gene Symbol則需要用Excel?的VLOOKUP函數(shù)進(jìn)行匹配。

如圖，左側(cè)是所有蛋白的Accession和Gene Symbol（也稱Gene Name）的對(duì)應(yīng)關(guān)系，右側(cè)是我們想要匹配的蛋白列表。用“=VLOOKUP（查找值，數(shù)據(jù)表，列序數(shù)，匹配條件）”。在這里，查找值是D列的第二行（D2）；數(shù)據(jù)表的范圍是A列到B列（A:B）；列序數(shù)，我們想要匹配的是A，B兩列的第二個(gè)（2）；匹配條件，我們選擇精確匹配（FALSE），如果希望忽略大小寫(xiě)可以模糊匹配（TRUE）。完成后，將鼠標(biāo)放在該單元格右下角，變成實(shí)心“十”字后雙擊補(bǔ)全，即可獲得所有蛋白Accession對(duì)應(yīng)的Gene Symbol。

統(tǒng)計(jì)檢驗(yàn)

完成了前面的歸一化、補(bǔ)值后，我們需要進(jìn)行不同分組數(shù)據(jù)的分析以便獲得差異表達(dá)結(jié)果。在此，我們采用生物學(xué)研究中常用的T-test進(jìn)行統(tǒng)計(jì)檢驗(yàn)，并計(jì)算差異倍數(shù)（Fold change，F(xiàn)C）。

（1）統(tǒng)計(jì)檢驗(yàn)（t-test）

采用Excel的公式“=TTEST（第一組數(shù)值，第二組數(shù)值，尾數(shù)，類型）”，計(jì)算出pValue。本演示數(shù)據(jù)是2組3重復(fù)，所以第一組數(shù)據(jù)是B2：D2，第二組數(shù)數(shù)據(jù)是E2：G2；尾數(shù)選擇2，代表雙尾；類型選擇2，代表雙樣本等方差假設(shè)。隨后對(duì)整列進(jìn)行補(bǔ)全操作，即可得到所有蛋白的差異的pValue。

（2）計(jì)算差異倍數(shù)（FC）

計(jì)算差異倍數(shù)FC（即2組數(shù)據(jù)平均值的差）。通過(guò)函數(shù)“=AVERAGE(第一組單元格范圍)/AVERAGE(第二組單元格范圍)”，獲得FC值，并補(bǔ)全列，即可得到所有蛋白的FC。

為上下調(diào)蛋白著色

Excel還給我們提供了一種很直觀的可視化方式，即可在設(shè)定條件后，自動(dòng)以不同顏色展示不同的結(jié)果。在這里我們卡pValue<0.05和log2（FC）>1為上調(diào)，pValue<0.05和log2（FC）<-1為下調(diào)。log2的計(jì)算可以通過(guò)公式“=LOG（數(shù)值單元格，底數(shù)）”計(jì)算。

（1）篩選pValue

通過(guò)Excel的篩選功能，篩選出pValue小于0.05的數(shù)據(jù)。

（2）自動(dòng)著色

選中“l(fā)og2（FC）”這列，點(diǎn)擊【開(kāi)始】--【條件格式】--【突出顯示單元格規(guī)則】，選擇大于，數(shù)值選擇1，設(shè)置為“淺紅填充色深紅色文本”；同樣的操作步驟選擇小于，數(shù)值選擇-1，設(shè)置為“綠填充色深綠色文本”。

效果如下圖所示：

至此，我們用Excel完成了從MaxQuant搜索的原始搜庫(kù)結(jié)果，經(jīng)過(guò)數(shù)據(jù)清理、歸一化、補(bǔ)值，最終進(jìn)行差異篩選和不同顏色展示的整個(gè)過(guò)程。怎么樣，是不是很簡(jiǎn)單。生信分析，我們不用編程也可以辦到的。

當(dāng)然，我們只是演示了一種最基礎(chǔ)的數(shù)據(jù)處理策略，如果需要更復(fù)雜的方法，還需要發(fā)掘Excel的其它功能，或者采用其它軟件輔助的方法實(shí)現(xiàn)。