总结
组织
大脑
单细胞
组织细胞
病理学
疾病
免疫
血液
子电池
细胞系
结构
相互作用
根据HGNC公司.
官方基因符号,通常是基因名称的缩写,根据HGNC公司.
为编码的蛋白质指定的HPA蛋白质类。
基因中的蛋白质编码转录物数量,定义如下合奏。
基于基于知识的注释,显示在组织第节。
基于人类蛋白质图谱亚细胞部分生成的数据的主要亚细胞位置。
基于信号肽和跨膜区域的预测方法,对所有基因的所有转录物进行了相应蛋白质的位置分析。
注释位置推翻了预测位置,因此编码已注释为细胞内的预测分泌蛋白的基因将以细胞内为最终位置。
所有至少有一种亚型的基因预计会分泌到细胞外环境中,根据相应蛋白质的预测最终位置,这些基因被注释并分类为分泌到血液中或局部分泌。预期局部分泌的蛋白质已根据其表达部位进一步分类。
RNA特异性类别基于正常的mRNA表达水平共识数据集,根据样本中的RNA表达水平计算高性能放大器和GTEX公司. The类别包括:组织富集、组富集、组织增强、组织特异性低和未检测。
RNA数据用于根据基因在组织中的表达对基因进行聚类。簇包含具有相似表达模式的基因,每个簇都被手动注释以描述功能和特异性方面的共同特征。
区域特异性类别基于分析脑样本中的mRNA表达水平,分为13个主要脑区,并针对三种不同物种进行计算。所有大脑表达谱都基于HPA的数据。特异性类别包括:区域富集、群体富集、区域增强、低区域特异性和未检测到。分类规则与组织特异性分类相同
RNA特异性类别基于基于正常组织scRNA-seq数据分析的细胞类型中的mRNA表达水平。这些类别包括:细胞类型富集、组富集、细胞类型增强、低细胞类型特异性和未检测到。
RNA数据用于根据基因在单个细胞类型中的表达进行聚类。簇包含具有相似表达模式的基因,每个簇都被手动注释以描述功能和特异性方面的共同特征。
基因可以在一个或多个组织中的不同细胞类型中具有丰富的特异性,也可以在许多不同组织中出现的核心细胞类型中富集。
RNA特异性类别基于分析样本中基于数据的mRNA表达水平高性能放大器这些类别包括:细胞类型富集、组富集、细胞类型增强、低细胞类型特异性和未检测到。
17种癌症中RNA表达的特异性为分类由于肿瘤富集、组富集、肿瘤增强、肿瘤特异性低且未检测到。
RNA数据用于根据基因在细胞系中的表达进行聚类。簇包含具有相似表达模式的基因,每个簇都被手动注释以描述功能和特异性方面的共同特征。
基于RNA测序数据的RNA特异性类别癌细胞系在人类蛋白质图谱中,根据癌症类型进行分组。根据基因在整个细胞系中的RNA表达水平,将基因分为六个不同类别(富集型、群富集型、增强型、低特异性和未检测型)。
如果疾病所有样本的平均浓度显著高于PEA测量的所有疾病样本的平均密度(adj P值<0.05),则该基因被归类为疾病中的上调基因。对于特定性别的疾病,分析只包括与其他疾病相同性别对应的样本。
根据glmnet预测模型,该基因与疾病相关并能够预测的疾病。根据差异表达分析,该基因必须被上调,并且如预测模型所示,其总体重要性超过50%。
所有具有至少一个预测分泌亚型的基因都已注释并分类,目的是确定相应的蛋白质是否:
基于血液的免疫分析类别适用于主动分泌的蛋白质,并基于通过酶联免疫吸附分析确定的血浆或血清蛋白质浓度,该分析由文献检索汇编而成。这些类别包括:已检测和未检测,其中检测是指在文献检索中发现的浓度。
根据公开可用的基于质谱的血浆蛋白质组学的光谱计数估计,检测血液中的基因与否数据集从肽图谱中获得。
基于邻近延伸分析检测血液中的基因(奥林克)对于纵向健康研究覆盖76人,两年内进行了三次访问。
UniProt提供的有关蛋白质的有用信息。
UniProt根据蛋白质的特殊分子功能指定的关键字。
UniProt为蛋白质指定的关键字,因为它们涉及特定的生物过程。
UniProt为蛋白质指定的关键字,因为它们结合、关联或其活性依赖于某些分子。
Entrez基因的有用信息