CNVR原始集合怎么按照图片要求进行过滤

Question

获得了原始的CNV集合后怎么进行过滤，如何根据最小等位基因频率进行类型划分：（1）缺失 型（deletion）：deletion的频率介于0.05到0.95之间，且duplication的频率低于 0.05；（2）重复型（duplication）：duplication的频率介于0.05到0.95之间，且 deletion的频率低于0.05；（3）复合型（both）：deletion和duplication的频率都 介于0.05到0.95。然后去除scafford和Y染色体的CNV，并将轮廓系数大于0.6 的进行过滤。该步骤用EXCEL表格怎么操作CNVR.tsv文件。

Answer 1

引自免费微信小程序：皆我百晓生

根据您提供的信息，我理解您需要帮助对CNVR（拷贝数变异区域）进行过滤和分类。以下是一种可能的Excel操作步骤来实现这个任务：

1. 打开Excel并导入CNVR.tsv文件：

   • 在Excel中选择“数据”选项卡。
   • 点击“从文本/CSV”按钮。
   • 浏览到CNVR.tsv文件的位置，选择它并点击“导入”。

2. 创建辅助列来标记缺失值：

   • 在数据旁边的空白列中，使用公式=IF(ISBLANK(A2), "Yes", "No")来标记每一行的缺失值。

3. 计算最小等位基因频率：

   • 根据您提供的数据结构，我们需要计算deletion和duplication的频率。这可能需要一些额外的列来计算这些频率。

4. 应用过滤条件：

   • 使用Excel的“筛选”功能，您可以根据以下条件过滤数据：
     • deletion的频率介于0.05到0.95之间，且duplication的频率低于0.05。
     • duplication的频率介于0.05到0.95之间，且deletion的频率低于0.05。
     • deletion和duplication的频率都介于0.05到0.95。

5. 去除scafford和Y染色体的CNV：

   • 假设scafford和Y染色体的CNV在某些特定的列中有标记，您可以使用“筛选”功能排除这些行。

6. 应用轮廓系数过滤：

   • 如果轮廓系数（silhouette score）已经计算在数据中，您可以使用“数值筛选”功能只保留轮廓系数大于0.6的行。

7. 与已有牛CNV图谱文章的集合取重叠部分：

   • 如果有一个参考数据集，您可以将当前数据与其对比，使用Excel的“VLOOKUP”或“INDEX/MATCH”功能找到匹配项。

8. 整理最终结果：

   • 经过上述步骤后，您应该得到一个过滤后的数据集，其中包含满足所有条件的CNVR。

请注意，由于Excel主要是一款表格处理软件，并不是专门用于生物信息分析的工具，因此在执行复杂的数据分析时可能会有一定的局限性。对于更复杂的数据处理和分析，建议使用专门的编程语言如Python或R，配合生物信息学相关的库来进行操作。