标题摘要内容
高通量测序
常规组学及多组学联合分析
来源: | 作者:geneseed | 发布时间: 2020-09-24 | 206 次浏览 | 分享到:

生物信息学分析服务

常规组学及多组学联合分析

常规组学分析:将常规的生物信息学分析内容进行组合使之标准化、模块化,简化了生物信息学分析的步骤,降低了分析的复杂度。包括mRNAlncRNAmiRNAcircRNA标准分析、表达谱芯片标准分析、miRNA芯片标准分析、甲基化芯片标准分析、全基因组测序标准分析、全外显子组测序标准分析。

多组学分析:多组学分析是癌症研究的重要手段,整合DNARNA等不同层面的数据分析,可以更加全面的了解肿瘤进化过程中的分子特征,为研究其调控机制提供综合解决方案。

 

circRNA定制化分析及绘图

吉赛生物生信部联合多伦多大学创建了专门的circBank数据库,为circRNA研究者提供最全面的人类circRNA注释、circRNA-miRNA调控、翻译潜能预测、疾病突变位点、m6A修饰和circRNA结构可视化等信息。依托前期circRNA大数据积累,可协助客户完成circRNA测序数据重分析,ceRNA调控网络、RBP结合预测、翻译潜能和高级结构预测等个性化定制生信服务。


circbank数据库主要包含以下几方面功能
        1 circRNA基因全新命名
        2 circRNA基因基本特征注释信息
        3 circRNA序列检索提取功能
        4 circRNA结合miRNA预测
        5 circRNA翻译蛋白潜能的预测评估
        6 circRNA基因序列保守性分析结果
        7 circRNA转录后修饰信息


 

 

生物医学大数据挖掘分析

    随着高通量测序技术的迅猛发展,各种生物医学数据库应运而生,大数据挖掘技术已成为生物医学领域中最新最重要驱动力之一。GEO是当今最大、最全的公共基因数据资源库,包括基因的表达、突变、修饰等信息,涵盖几乎所有的疾病,且单个实验检测样品数目较多。TCGA数据库包含11,000个病人的33种肿瘤的7个不同层面的基因数据(包括基因表达、CNVSNPDNA甲基化,miRNA,外显子组等)和临床数据,旨在解析癌症发生的分子机制、肿瘤的亚型和治疗靶点等,也可佐证实验数据和提供新的研究思路,因此近年来基于GEOTCGA数据发表的文章指数级增长。

我们融合数据挖掘技术、生物信息学和医学统计学,挖掘公共数据库并提取有价值的信息,加速您的科研进度。

 

1公共数据挖掘

根据客户需求,挖掘TCGAGEOSRA等公共数据库蕴含的多层面的疾病数据,提供差异筛选、功能富集、靶基因预测、网络分析、生存分析、分子标志物分析等多种生物信息学分析内容。

2 免疫浸润分析

免疫浸润分析可在转录组表达水平反映各样本的免疫活性状况,揭示组织细胞的免疫微环境。肿瘤具有很强的异质性,同一肿瘤在不同个体之间具有不同的免疫活性,而具有相似免疫活性状况的样本则可能处于相同的免疫微环境,免疫浸润分析是肿瘤微环境分析的强有力手段。

3预后分子分型

通过分析癌症等疾病样本中的基因信息(表达、甲基化等)以及临床信息,使用多种分类器挖掘预后相关标志物,为疾病的预后提供有效的预测模型。

4药物靶点预测

根据用药前后基因调控网络的变化情况,找出潜在的药物靶点,从而揭示药物作用的机制。

5生物标记物分析

通过分析癌症等疾病和正常样本的基因信息(表达、甲基化等),使用分子建模的方法,发现早期诊断标志物。

 

高通量测序