本着使科学界在COVID-19大流行期间可以广泛访问的数据的精神，一些研究人员正在创建交互式数据仪表板，以提供更大的可视化功能。其中是一个COVID-19多组学数据仪表板由最近发表的论文的作者生成的细胞系统标题为：COVID-19严重程度的大规模多媒体分析。威斯康星大学麦迪逊分校库恩实验室的研究数据科学家伊恩·米勒（Ian Miller）是该平台的关键开发商，并走了捷克葡萄牙直播通过每种类型的分析的一些关键特征，总结了下面。

要注意的一般功能：

• 患者亚组是颜色编码的。
• 使用下拉框显示蛋白质，脂质，代谢物，成绩单或组合生物分子。也可以选择单个感兴趣的生物分子，并将自动更新图。

主成分分析

首页可以帮助您使用发现方法将其定向。您可以问“我应该最感兴趣的哪些分子？它们与数据结构有何关系？”

主页具有主成分分析（PCA）分数图，每个点代表患者样本。它们在空间中的聚集方式表示所有测量值的相似性程度。PCA可帮助您将最有趣的信息压缩为更少的维度，并揭示数据中的先天结构。最严重的患者分组在一起，表明蛋白质驱动这些变化存在差异。

页面的右侧是PCA加载图，每个点代表一个生物分子（即，如果在下拉框上选择“蛋白质”，则517个蛋白质之一）。它们在载荷图上的空间中分布的方式说明了PCA分数上的点图是如何分离的。换句话说，PCA载荷图的最右边的分子是驱动PCA图中点分离的分子。

值得注意的是，一种可以在PCA载荷图中脱颖而出的蛋白质是软骨酸性蛋白1，这是一种参与嗅球发育的蛋白质 - 值得注意的是，考虑到丧失据报道，Covid-19患者的气味已有报道。米勒指出，尽管尚未建立牢固的实验联系，但这是一种可能有助于未来研究的观察。

“开发这种类型的工具的挑战的一部分是使其具有足够的精致以使其具有强大的分析，但很简单，可以使其可用且用户友好。这是一个巨大的挑战。因此，走那条线很难。但是，如果没有别的，它为像临床医生这样的人提供了一种简单的方法，可以快速查找分子而不必挖掘补充数据。”- 伊恩·米勒（Ian Miller）。

差异表达

火山图：最初由转录组学领域推广 - 转录组学启发了许多蛋白质组学的工作，尤其是在数据分析中。火山地块是比较A与B相对的好方法，即Covid与非旋转。火山图同时告诉您效果大小和统计意义。我们使用了两倍变化（与非旋转患者的平均测量值相比，共同测量的平均测量值的折叠变化），并改变了P值（负log 10）以适合情节样式 - 以便增加值的值。更重要。基本上，离心的东西越远，它们越高，它们越重要。在y轴上，可以在2处绘制近似阈值线，大约等于p值为0.01。

表：显示不同类型的统计测试的结果，，，，能够洞悉效果大小和混淆变量。

线性回归

可以深入了解生物分子与疾病严重程度的关系。临床医生或研究人员可以选择标准的临床测量值（例如第45天的无医院日，C反应性蛋白质浓度），并查看其与生物分子在患者亚组之间相对归一化丰度的关系。

簇格式

clustergrammer是来自第三方的交互式热图马亚实验室在西奈山的伊坎医学院。每列代表样品，每一行代表生物分子测量（蛋白质，代谢物，脂质或转录本，具体取决于在控制面板中选择哪个数据集）。该工具提供了一种方法来缩小和研究感兴趣的生物分子如何适应样品之间的较大模式。可以找到有关如何使用交互功能的提示这里。 发现簇后，可以询问生物分子是否属于相同的途径，免疫功能障碍或药物反应。

文章于2021年9月6日更新，以从“多摩尼斯”中删除连字符。