组学数据生物信息分析
发布时间: 2023-03-13 15:05:15
生物信息学平台建立的多组学数据分析技术，可对目前主流技术鉴定的蛋白质组、基因组、转录组、代谢组数据进行统计分析、功能分析及可视化分析，并可实现不同组学数据间的整合。
应用领域
无标及有标定量蛋白质组数据；核酸芯片及高通量测序仪定量的基因组、转录组数据；靶向及非靶向代谢组数据。
技术优点
1、以蛋白质组学数据分析为核心，整合基因组及代谢组学数据。从数据的质量控制开始，获取各个维度的信息，进而筛选与表型相关的重要分子。
2、分析所使用的方法均采用最新自研或主流算法，所依据的注释信息均采用可信度高且及时更新的知识库。
分析流程
1、从数据的质量控制开始，进行数据的清洗及校正，根据实验设计类型确定统计方法。
2、根据不同组学数据特点选择功能分析及富集分析方法。
3、根据不同的组学数据特点及实验设计特点进行适合的可视化展示。
可选择分析项目
1、数据质控、相关分析、聚类分析及主成分分析。
2、差异分析（统计分析及可视化）。
3、过表达功能分析（ORA）—GO富集分析、KEGG富集分析。
4、基因集富集分析（GSEA）。
5、通路及相互作用网络分析—KEGG、STRING及Cytoscape分析。
6、共表达网络分析—WGCNA分析。
7、分子分型及TCGA/CPTAC验证分析。
8、免疫浸润分析 — CIBERSORT分析。
9、ceRNA网络构建（LncRNA-miRNA-mRNA）。
10、表达模式聚类分析（适用于时序数据）。
11、细胞亚群注释分析（适用于单细胞测序数据）。
12、发育轨迹分析（适用于单细胞时序测序数据）。
13、多组学数据整合分析。
14、主题文献数据挖掘。
15、个性化定制分析。
(1) 基于机器学习算法的多组学疾病诊断/风险预测模型。
(2) 公共数据资源库(GEO/TCGA/CPTAC)的高通量数据挖掘分析。
(3) 专业数据库(知识库)构建。
结果示例
Cited from: Signal Transduct Target Ther.(2021) 6:216
数据要求
1、清晰的实验设计、技术流程及实验批次信息。
2、详细的样本信息。
合作案例
Qian, Xu, et al. Integrated analysis of circulating and tissue proteomes reveal fibronectin 1 is a potential biomarker in papillary thyroid cancer. BMC Cancer (2023).
Chen X et al. Proteomic Profiling of IgA nephropathy Reveals Distinct Molecular Prognostic Subtypes. iScience 2023, 105961.
Leng L, et al. Sera proteomic features of active and recovered COVID-19 patients: potential diagnostic and prognostic biomarkers. Signal Transduct. Target. Ther. 2021 Jun 3;6(1):216. Ma J et al. Application of an iPSC-Derived Organoid Model for Localized Scleroderma Therapy. Advanced Science 9.16 (2022): e2106075-e2106075.
Ma J et al. Establishment of Human Pluripotent Stem Cell-Derived Skin Organoids Enabled Pathophysiological Model of SARS-CoV-2 Infection. Adv Sci. 2022 Mar;9(7):e2104192.
Leng L et al. Proteomic identification of new diagnostic biomarkers of early-stage cutaneous mycosis fungoides. Cancer Commun. 2022 Jun;42(6):558-562.
Leng L et al. Pathological features of COVID-19-associated liver injury—a preliminary proteomics report based on clinical samples. Signal Transduct. Target. Ther. 2021 Jan 8;6(1):9.
联系方式
李老师：15001129617
生物信息学平台建立的多组学数据分析技术，可对目前主流技术鉴定的蛋白质组、基因组、转录组、代谢组数据进行统计分析、功能分析及可视化分析，并可实现不同组学数据间的整合。
应用领域
无标及有标定量蛋白质组数据；核酸芯片及高通量测序仪定量的基因组、转录组数据；靶向及非靶向代谢组数据。
技术优点
1、以蛋白质组学数据分析为核心，整合基因组及代谢组学数据。从数据的质量控制开始，获取各个维度的信息，进而筛选与表型相关的重要分子。
2、分析所使用的方法均采用最新自研或主流算法，所依据的注释信息均采用可信度高且及时更新的知识库。
分析流程
1、从数据的质量控制开始，进行数据的清洗及校正，根据实验设计类型确定统计方法。
2、根据不同组学数据特点选择功能分析及富集分析方法。
3、根据不同的组学数据特点及实验设计特点进行适合的可视化展示。
可选择分析项目
1、数据质控、相关分析、聚类分析及主成分分析。
2、差异分析（统计分析及可视化）。
3、过表达功能分析（ORA）—GO富集分析、KEGG富集分析。
4、基因集富集分析（GSEA）。
5、通路及相互作用网络分析—KEGG、STRING及Cytoscape分析。
6、共表达网络分析—WGCNA分析。
7、分子分型及TCGA/CPTAC验证分析。
8、免疫浸润分析 — CIBERSORT分析。
9、ceRNA网络构建（LncRNA-miRNA-mRNA）。
10、表达模式聚类分析（适用于时序数据）。
11、细胞亚群注释分析（适用于单细胞测序数据）。
12、发育轨迹分析（适用于单细胞时序测序数据）。
13、多组学数据整合分析。
14、主题文献数据挖掘。
15、个性化定制分析。
(1) 基于机器学习算法的多组学疾病诊断/风险预测模型。
(2) 公共数据资源库(GEO/TCGA/CPTAC)的高通量数据挖掘分析。
(3) 专业数据库(知识库)构建。
结果示例
Cited from: Signal Transduct Target Ther.(2021) 6:216
数据要求
1、清晰的实验设计、技术流程及实验批次信息。
2、详细的样本信息。
合作案例
Qian, Xu, et al. Integrated analysis of circulating and tissue proteomes reveal fibronectin 1 is a potential biomarker in papillary thyroid cancer. BMC Cancer (2023).
Chen X et al. Proteomic Profiling of IgA nephropathy Reveals Distinct Molecular Prognostic Subtypes. iScience 2023, 105961.
Leng L, et al. Sera proteomic features of active and recovered COVID-19 patients: potential diagnostic and prognostic biomarkers. Signal Transduct. Target. Ther. 2021 Jun 3;6(1):216. Ma J et al. Application of an iPSC-Derived Organoid Model for Localized Scleroderma Therapy. Advanced Science 9.16 (2022): e2106075-e2106075.
Ma J et al. Establishment of Human Pluripotent Stem Cell-Derived Skin Organoids Enabled Pathophysiological Model of SARS-CoV-2 Infection. Adv Sci. 2022 Mar;9(7):e2104192.
Leng L et al. Proteomic identification of new diagnostic biomarkers of early-stage cutaneous mycosis fungoides. Cancer Commun. 2022 Jun;42(6):558-562.
Leng L et al. Pathological features of COVID-19-associated liver injury—a preliminary proteomics report based on clinical samples. Signal Transduct. Target. Ther. 2021 Jan 8;6(1):9.
联系方式
李老师：15001129617
