简介
GeneSpring GX提供了强大的，易于表达的基因组结构变异数据的快速可视化和分析统计工具。它是首款可同时对外显子芯片、蛋白组学和代谢组学实验进行解读的软件，用于基因表达分析、基因组拷贝数分析、全基因组关联分析以及转录组学数据分析。GeneSpring GX提供了一个交互式的桌面计算环境，促进了对生物范围内的微阵列数据的理解。
主页面：
特点：
1.可以对基因组拷贝数进行分析，确定基因组拷贝数变异区域，等位基因特异性拷贝数变异等常见的变异，可以对不同组别的样品进行分析。
2.全基因组关联分析。
3.分析转录组数据，检测选择性剪接事件，识别差异表达的基因和小分子RNA。
4.采用主成分分析，聚类方法，和强大的类预测算法，揭示所提供的数据中的生物学模式。
GeneSpring GX的部分功能，使用了Python的应用程序编程接口（API）和完全集成的R编程语言。 对不同的实验类型，如基因表达，基因组拷贝数，基因分型，在一个新的动态基因组浏览器，显示和覆盖注释和数据。软件中还集成生物功能GO分析，基因组富集分析（GSEA），基因组分析（GSA），和通路分析中的统计学显著成果，利于将数据分析结果与生物过程相关联。还可以进行生物网络的构建。GeneSpring可以一个窗口内同时分析多种类型的实验数据，如小RNA、基因表达、基因分型以及拷贝数等。这允许用户可以根据需要在数据之间来回切换，而不必单独加载每个实验，使数据分析更加简明。
GeneSpring可以分析多种表达数据，包括以下几种：
Agilent Single Color Expression Data；Agilent TwoColor Expression Data；Affymetrix Expression Data；Illumina Data；GenericSingle Color Expression Da；Generic Two Color Expression Data;Agilent Exon Expression Data;AffymetrixExon Expression Data;Affymetrix Exon Splicing Data。
1 实例分析
GeneSpring GX功能强大，在熟练掌握操作流程后，能够帮助初学者快速完成分析需求。
以GEO中下载的RNA-seq数据为例，它的处理过程分为以下8步：
1、创建实验，导入数据
2、摘要报告
显示所创建实验的摘要视图。它显示了一个Box Whisker图，X轴为样本，Y轴为表达的log值。顶部显示样品处理细节。如果样本数超过30个，则以表格形式表示。
3、实验分组
添加参数来帮助定义实验的分组。可以通过单击添加参数按钮创建参数。首先选择所需的样品并输入值来分配样品值。
4、样品质量控制
该软件的质量控制仅支持Agilent单色和双色表达数据、Affymetrix表达数据、Illumina Data以及Affymetrix外显子表达数据
5、过滤探针
默认情况下，此操作将删除所有强度值中最低的20%，并生成过滤后样本的配置文件图。
6、显著性分析
根据实验分组，GS 9.0执行T检验或ANOVA。
7、 Fold Change
8、GO功能注释，及显著通路的查找
GeneSpring GX还包括许多其他的实用功能，具体的处理方法可以在说明文档中查找。
在表观遗传学的研究过程中，经常需要结合多组学的数据，例如基因的表达水平与DNA甲基化程度存在一定关系。GeneSpring GX对这些数据例如RNA-seq等均可以做到标准化的处理，可以充分研究这些组学数据与DNA甲基化或组蛋白修饰等表观遗传突变的关系。
正当小编准备内容时，也看到了友军对GeneSpring的关注，里面有许多具体的用法和应用的实例，以及关于GeneSpring的公开课等，感兴趣的小伙伴可以查看延伸阅读。
微信公众号软文阅读技巧：
GeneSpring系列文章延伸阅读：
GeneSpringGX 中文教程（二）——GeneSpring GX 专业术语和概念（1）
GeneSpring GX 教程(三）——Affymetrix基因芯片分析