
生信分析的目的是通過運用高通量分子生物技術(shù)收集并分析大量組學(xué)數(shù)據(jù),?進而在數(shù)據(jù)研究基礎(chǔ)上對生物醫(yī)學(xué)問題進行研究。?這個過程不僅需要掌握基本的生物信息學(xué)原理和方法,?還需要熟悉各種軟件工具的使用,?以便更有效地進行數(shù)據(jù)分析。
基礎(chǔ)分析 - 分類 | 基礎(chǔ)分析 - 項目 |
1. 數(shù)據(jù)質(zhì)控與統(tǒng)計 | 1. 數(shù)據(jù)質(zhì)控與統(tǒng)計 |
2. 數(shù)據(jù)預(yù)處理 | 2.1 基因組比對及基因表達定量 |
2.2 基因及細胞過濾 |
2.3 細胞周期效應(yīng)評估 |
3. 多樣本整合分析和 PCA 降維 | 3. 多樣本整合分析和 PCA 降維 |
4. 細胞分群和可視化 | 4.1 細胞分群(louvain 算法聚類) |
4.2 t-SNE、UMAP 可視化 |
4.3 細胞亞群在樣本分組間的差異分析 |
4.3 差異表達基因的功能富集分析 |
5. Marker 基因分析 | 5.1 marker 基因篩選(Wilcoxon 算法) |
5.2 top marker 基因可視化(heatmap 圖 /t-SNE 圖 /vlnplot 圖) |
5.3 top marker 基因 GO/KEGG 功能富集分析 |
5.4 top marker 基因 GSEA 分析 |
6. 多樣本比較分析 | 6.1 各樣本中的細胞類型分布比例統(tǒng)計 |
6.2 各樣本和 Cluster 中細胞數(shù)目統(tǒng)計 |
7. 細胞類型注釋(使用軟件和數(shù)據(jù)庫進行注釋) | 7.1 細胞類型注釋(singleR 軟件) |
7.2 singleR 自動注釋結(jié)果多樣本展示(t-SNE,UMAP) |
7.3 細胞類型注釋(SCINA 軟件) |
7.4 SCINA 半監(jiān)督注釋結(jié)果多樣本展示(t-SNE,UMAP) |
8. 細胞通訊 cellchat 分析(所有亞群整體分析) | 8.1 細胞間通訊網(wǎng)絡(luò)分析 |
8.2 細胞間通訊網(wǎng)絡(luò)圖可視化 |
8.3 指定信號通路或配體 - 受體分析 |
高級分析 - 分類
|
高級分析 - 項目 |
1. 樣本間功能特征比較(默認使用 hallmark 基因集,客戶也可指定或提供基因集) |
1. 樣本間功能特征比較(默認使用 hallmark 基因集,客戶也可指定或提供基因集) |
2. 擬時序分析(需要客戶指定細胞類型,每個細胞類型做一次分析) |
2.1 擬時序分化分析及展示 |
2.2 擬時序分化基因聚類及 GO 富集 |
3. 單細胞 CNV 分析(僅限腫瘤樣本) |
3. 單細胞 CNV 分析(僅限腫瘤樣本) |
4. scCancer 惡性細胞鑒定(僅限腫瘤樣本) |
4.1 惡性細胞打分和鑒定 |
4.2 惡性細胞分布 t -SNE 展示 |
5. CopyKAT 惡性細胞鑒定(僅限腫瘤樣本) |
5.1 細胞倍性鑒定 |
5.2 惡性細胞分布 t -SNE 和 Heatmap 展示 |
6. CellPhoneDB 細胞間通訊分析 |
6.1 亞群間互作分析 |
6.2 細胞通訊網(wǎng)絡(luò)圖繪制 |
6.3 受體配體對統(tǒng)計作圖 |
7. 特定細胞亞群亞群細分 |
7.1 細胞聚類和可視化 |
7.2 marker 基因分析 |
7.3 亞群分組分布展示 |
8. SCENIC 轉(zhuǎn)錄因子分析 |
8. SCENIC 轉(zhuǎn)錄因子分析 |
9. RNA velocity 分化軌跡分析 |
9. RNA velocity 分化軌跡分析 |
10. 單細胞 RNA 和空間轉(zhuǎn)錄組聯(lián)合分析(RCTD 算法) |
10.1 每個 spot 中各種細胞類型的相對占比 |
10.2 單細胞 RNA-seq 細胞類型譜對空間轉(zhuǎn)錄組芯片的映射圖(餅圖) |
10.3 RCTD 解析后的各細胞類型在指定區(qū)域的差異分析 |
-
基礎(chǔ)分析 - 分類 | 基礎(chǔ)分析 - 項目 |
1. 數(shù)據(jù)預(yù)處理 | 1.1 基因組比對 |
1.2 peak 注釋及定量 |
1.3 基因及樣本過濾 |
2. 細胞聚類和可視化 | 2.1 細胞聚類 |
2.2 T-SNE、UMAP 可視化 |
基礎(chǔ)分析 - 分類 |
基礎(chǔ)分析 - 項目 |
1. 數(shù)據(jù)質(zhì)控與統(tǒng)計 |
1.1 樣本 UMI 分布統(tǒng)計 |
1.2 樣本基因數(shù)分布統(tǒng)計 |
2. spot 聚類和可視化 |
2.1 多樣本合并 |
2.2 歸一化后數(shù)據(jù)的聚類分析 |
2.3 Spot 聚類結(jié)果可視化 |
2.4 Spot 聚類亞群相關(guān)性分析 |
3. Marker 基因分析 |
3. Marker 基因分析 |
4. 多樣本比較分析 |
4.1 cluster 比例分布比較 |
4.2 樣本和 Cluster 中 spot 數(shù)目分布統(tǒng)計 |
5. 細胞類型注釋(使用軟件和數(shù)據(jù)庫進行注釋) |
5. 細胞類型注釋(使用軟件和數(shù)據(jù)庫進行注釋) |
6. 各個亞群(各個亞區(qū)域)的 marker 基因的 KEGG 及 GO 富集分析 |
6. 各個亞群(各個亞區(qū)域)的 marker 基因的 KEGG 及 GO 富集分析 |
7. 各亞群(亞區(qū)域)的 GSEA(gene set enrichment analysis)富集分析 |
7. 各亞群(亞區(qū)域)的 GSEA(gene set enrichment analysis)富集分析 |
8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
9. xCell 解析每個 spot 中細胞類型組成 |
9. xCell 解析每個 spot 中細胞類型組成 |
10. 細胞通訊分析 |
10. 細胞通訊分析 |
11. 備注 |
11. 備注 |
高級分析 - 分類 |
高級分析 - 項目 |
1. 單細胞數(shù)據(jù)映射(RCTD 算法) |
1. 單細胞數(shù)據(jù)映射(RCTD 算法) |
2. 單細胞數(shù)據(jù)映射(CellTrek 算法) |
2. 單細胞數(shù)據(jù)映射(CellTrek 算法) |
3. 空間細胞互作分析(Stlearn 算法) |
3. 空間細胞互作分析(Stlearn 算法) |
4. 空間拷貝數(shù)變異分析(siCNV) |
4. 空間拷貝數(shù)變異分析(siCNV) |
5. 其它分析(請?zhí)顚懢唧w分析內(nèi)容) |
5. 其它分析(請?zhí)顚懢唧w分析內(nèi)容) |
基礎(chǔ)分析 - 分類 |
基礎(chǔ)分析 - 項目 |
1. 數(shù)據(jù)質(zhì)控與統(tǒng)計 |
1.1 樣本 UMI 分布統(tǒng)計 |
1.2 樣本基因數(shù)分布統(tǒng)計 |
2. spot 聚類和可視化 |
2.1 多樣本合并 |
2.2 歸一化后數(shù)據(jù)的聚類分析 |
2.3 Spot 聚類結(jié)果可視化 |
2.4 Spot 聚類亞群相關(guān)性分析 |
3. Marker 基因分析 |
3. Marker 基因分析 |
4. 多樣本比較分析 |
4.1 cluster 比例分布比較 |
4.2 樣本和 Cluster 中 spot 數(shù)目分布統(tǒng)計 |
5. 細胞類型注釋(使用軟件和數(shù)據(jù)庫進行注釋) |
5. 細胞類型注釋(使用軟件和數(shù)據(jù)庫進行注釋) |
6. 各個亞群(各個亞區(qū)域)的 marker 基因的 KEGG 及 GO 富集分析 |
6. 各個亞群(各個亞區(qū)域)的 marker 基因的 KEGG 及 GO 富集分析 |
7. 各亞群(亞區(qū)域)的 GSEA(gene set enrichment analysis)富集分析 |
7. 各亞群(亞區(qū)域)的 GSEA(gene set enrichment analysis)富集分析 |
8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
9. xCell 解析每個 spot 中細胞類型組成 |
9. xCell 解析每個 spot 中細胞類型組成 |
10. 細胞通訊分析 |
10. 細胞通訊分析 |
11. 備注 |
11. 備注 |
高級分析 - 分類 |
高級分析 - 項目 |
1. 單細胞數(shù)據(jù)映射(RCTD 算法) |
1. 單細胞數(shù)據(jù)映射(RCTD 算法) |
2. 單細胞數(shù)據(jù)映射(CellTrek 算法) |
2. 單細胞數(shù)據(jù)映射(CellTrek 算法) |
3. 空間細胞互作分析(Stlearn 算法) |
3. 空間細胞互作分析(Stlearn 算法) |
4. 間拷貝數(shù)變異分析(siCNV) |
4. 空間拷貝數(shù)變異分析(siCNV) |
5. 其它分析(請?zhí)顚懢唧w分析內(nèi)容) |
5. 其它分析(請?zhí)顚懢唧w分析內(nèi)容) |
【點擊隱藏】
基礎(chǔ)分析 - 分類 |
基礎(chǔ)分析 - 項目 |
1. 原始數(shù)據(jù)質(zhì)量控制 |
1. 原始數(shù)據(jù)質(zhì)量控制 |
2. 蛋白質(zhì)表達定量分析 |
2.1 PCA 圖 |
2.2 熱圖 |
3. 蛋白質(zhì)功能注釋(GO、KEGG) |
3. 蛋白質(zhì)功能注釋(GO、KEGG) |
4. 差異蛋白統(tǒng)計 |
4. 差異蛋白統(tǒng)計 |
5. 差異分析可視化 |
5.1 火山圖 |
5.2 熱圖 |
5.3 箱線圖 |
6. 差異蛋白相關(guān)性分析 |
6. 差異蛋白相關(guān)性分析 |
7. 差異蛋白功能富集(GO、KEGG) |
7. 差異蛋白功能富集(GO、KEGG) |
高級分析 - 分類 |
高級分析 - 項目 |
1. GSEA 分析 |
1. GSEA 分析 |
2. k-means 聚類分析(時間趨勢分析) |
2. k-means 聚類分析(時間趨勢分析) |
3. WGCNA 分析(建議 20 個以上樣本) |
3. WGCNA 分析(建議 20 個以上樣本) |
4. IPA 分析 |
4. IPA 分析 |
5. GO 功能層次網(wǎng)絡(luò)分析 |
5. GO 功能層次網(wǎng)絡(luò)分析 |
6. pathway 功能層次網(wǎng)絡(luò)分析 |
6. pathway 功能層次網(wǎng)絡(luò)分析 |
7. 分子分型分析(疾病分型,建議 50 個以上樣本) |
7. 分子分型分析(疾病分型,建議 50 個以上樣本) |
8. 機器學(xué)習(xí)(標志物篩選) |
8. 機器學(xué)習(xí)(標志物篩選) |
9. 多組學(xué)相關(guān)性分析熱圖 |
9. 多組學(xué)相關(guān)性分析熱圖 |
10. 其它 |
10. 其它 |
【點擊隱藏】
基礎(chǔ)分析 - 分類 |
基礎(chǔ)分析 - 項目 |
1. 數(shù)據(jù)質(zhì)控與統(tǒng)計 |
1.1 轉(zhuǎn)錄本數(shù)分布統(tǒng)計 |
1.2 樣本基因數(shù)分布統(tǒng)計 |
2. 聚類和可視化 |
2.1 聚類和可視化 |
2.2 歸一化后數(shù)據(jù)的聚類分析 |
2.3 聚類結(jié)果可視化(t-SNE,UMAP,各細胞群體在切片上的分布圖) |
2.4 聚類亞群相關(guān)性分析 |
3. 多樣本比較分析 |
3. 多樣本比較分析 |
4. 細胞類型注釋 |
4. 細胞類型注釋 |
5. 探針集基因的 KEGG 及 GO 富集分析 |
5. 探針集基因的 KEGG 及 GO 富集分析 |
6. 備注 |
6. 備注 |
【點擊隱藏】
基礎(chǔ)分析 - 分類 |
基礎(chǔ)分析 - 項目 |
1. 原始數(shù)據(jù)質(zhì)控評估 |
1. 原始數(shù)據(jù)質(zhì)控評估 |
2. 數(shù)據(jù)過濾及統(tǒng)計 |
2. 數(shù)據(jù)過濾及統(tǒng)計 |
3. 基因組比對 |
3. 基因組比對 |
4. 覆蓋度、測序深度統(tǒng)計 |
4. 覆蓋度、測序深度統(tǒng)計 |
5. SNV/InDel 檢測 |
5. SNV/InDel 檢測 |
6. germline CNV 檢測 |
6. germline CNV 檢測 |
7. 變異結(jié)果注釋 |
7.1 變異基因注釋 |
7.2 變異人群數(shù)據(jù)庫注釋 |
7.3 變異疾病數(shù)據(jù)庫注釋 |
7.4 變異危害度預(yù)測 |
高級分析 - 分類 |
高級分析 - 項目 |
1. 基于全外顯子組測序的 GWAS 分析(基于常見變異和罕見變異) |
1.1 CVAS(常見變異) |
1.2 RVAS(罕見變異) |
1.3 單基因突變分布圖 |
1.4 Haploview 單倍型圖 |
1.5 基因功能富集分析 |
2. 多個體腫瘤樣本隊列分析 |
2.1 Somatic SNV / InDel |
2.2 Somatic CNV / LOH |
2.3 MutSigCV 驅(qū)動預(yù)測 |
2.4 腫瘤突變特征分析 |
2.5 突變 Circos 可視化 |
2.6 單基因突變分布圖 |
2.7 驅(qū)動基因數(shù)據(jù)庫注釋 |
2.8 CNV 的 GISTIC 分析 |
2.9 CNV 熱圖聚類分析 |
2.10 CNV 基因組頻數(shù)圖 |
3. 單個體多部位腫瘤克隆演化分析 |
3.1 Somatic SNV / InDel |
3.2 Somatic CNV / LOH |
3.3 突變 Circos 可視化 |
3.4 VAF 熱圖 |
3.5 進化樹分析 |
3.6 腫瘤突變特征分析 |
3.7 驅(qū)動基因數(shù)據(jù)庫注釋 |
4. 其它分析 |
4.1 HLA 分型(胚系) |
4.2 微衛(wèi)星不穩(wěn)定性 |
4.3 腫瘤突變負荷(TMB) |
4.4 新抗原預(yù)測 |
5. 個性化分析 |
5. 個性化分析 |
【點擊隱藏】
基礎(chǔ)分析 - 分類 |
基礎(chǔ)分析 - 項目 |
1. 原始數(shù)據(jù)質(zhì)控評估 |
1. 原始數(shù)據(jù)質(zhì)控評估 |
2. 數(shù)據(jù)過濾及統(tǒng)計 |
2. 數(shù)據(jù)過濾及統(tǒng)計 |
3. 基因組比對 |
3. 基因組比對 |
4. 覆蓋度、測序深度統(tǒng)計 |
4. 覆蓋度、測序深度統(tǒng)計 |
5. SNV/InDel 檢測 |
5. SNV/InDel 檢測 |
6. germline CNV 檢測 |
6. germline CNV 檢測 |
7. 變異結(jié)果注釋 |
7.1 變異基因注釋 |
7.2 變異人群數(shù)據(jù)庫注釋 |
7.3 變異疾病數(shù)據(jù)庫注釋 |
7.4 變異危害度預(yù)測 |
高級分析 - 分類 |
高級分析 - 項目 |
1. 基于全外顯子組測序的 GWAS 分析(基于常見變異和罕見變異) |
1.1 CVAS(常見變異) |
1.2 RVAS(罕見變異) |
1.3 單基因突變分布圖 |
1.4 Haploview 單倍型圖 |
1.5 基因功能富集分析 |
2. 多個體腫瘤樣本隊列分析 |
2.1 Somatic SNV / InDel |
2.2 Somatic CNV / LOH |
2.3 MutSigCV 驅(qū)動預(yù)測 |
2.4 腫瘤突變特征分析 |
2.5 突變 Circos 可視化 |
2.6 單基因突變分布圖 |
2.7 驅(qū)動基因數(shù)據(jù)庫注釋 |
2.8 CNV 的 GISTIC 分析 |
2.9 CNV 熱圖聚類分析 |
2.10 CNV 基因組頻數(shù)圖 |
3. 單個體多部位腫瘤克隆演化分析 |
3.1 Somatic SNV / InDel |
3.2 Somatic CNV / LOH |
3.3 突變 Circos 可視化 |
3.4 VAF 熱圖 |
3.5 進化樹分析 |
3.6 腫瘤突變特征分析 |
3.7 驅(qū)動基因數(shù)據(jù)庫注釋 |
4. 其它分析 |
4.1 HLA 分型(胚系) |
4.2 微衛(wèi)星不穩(wěn)定性 |
4.3 腫瘤突變負荷(TMB) |
4.4 新抗原預(yù)測 |
5. 個性化分析 |
5. 個性化分析 |
【點擊隱藏】
基礎(chǔ)分析 - 分類 |
基礎(chǔ)分析 - 項目 |
1. 原始數(shù)據(jù)質(zhì)控評估 |
1. 原始數(shù)據(jù)質(zhì)控評估 |
2. 數(shù)據(jù)過濾及統(tǒng)計 |
2. 數(shù)據(jù)過濾及統(tǒng)計 |
3. 基因組比對 |
3. 基因組比對 |
4. 覆蓋度、測序深度統(tǒng)計 |
4. 覆蓋度、測序深度統(tǒng)計 |
5.SNV/InDel 檢測 |
5.SNV/InDel 檢測 |
6. 樣本 CNV 檢測分析 |
6. 樣本 CNV 檢測分析 |
7. 樣本 SV 檢測分析 |
7. 樣本 SV 檢測分析 |
高級分析 - 分類 |
高級分析 - 項目 |
1. 基于全基因組測序的 GWAS 分析(基于常見變異和罕見變異) |
1.1 CVAS(常見變異) |
1.2 RVAS(罕見變異) |
1.3 單基因突變分布圖 |
1.4 Haploview 單倍型圖 |
1.5 基因功能富集分析 |
2. 多個體腫瘤樣本隊列分析 |
2.1 Somatic SNV / InDel |
2.2 Somatic CNV / LOH |
2.3 MutSigCV 驅(qū)動預(yù)測 |
2.4 腫瘤突變特征分析 |
2.5 突變 Circos 可視化 |
2.6 單基因突變分布圖 |
2.7 驅(qū)動基因數(shù)據(jù)庫注釋 |
2.8 CNV 的 GISTIC 分析 |
2.9 CNV 熱圖聚類分析 |
2.10 CNV 基因組頻數(shù)圖 |
3. 單個體多部位腫瘤克隆演化分析 |
3.1 Somatic SNV / InDel |
3.2 Somatic CNV / LOH |
3.3 突變 Circos 可視化 |
3.4 VAF 熱圖 |
3.5 進化樹分析 |
3.6 腫瘤突變特征分析 |
3.7 驅(qū)動基因數(shù)據(jù)庫注釋 |
4. 其它分析 |
4.1 HLA 分型(胚系) |
4.2 微衛(wèi)星不穩(wěn)定性 |
4.3 腫瘤突變負荷(TMB) |
4.4 新抗原預(yù)測 |
5. 個性化分析 |
5. 個性化分析 |
【點擊隱藏】
基礎(chǔ)分析 - 項目 |
1、原始數(shù)據(jù)質(zhì)控評估 |
2、數(shù)據(jù)過濾及統(tǒng)計 |
3、基因組比對 |
4、覆蓋度、測序深度統(tǒng)計 |
5、SNV/InDel 檢測 |
高級分析 - 項目 |
1、基于 reads 比對的 SV 檢測及注釋 |
2、De novo 拼接及 reads 對拼接結(jié)果的比對 |
3、基于拼接結(jié)果與參考基因組比較的大片段的插入和缺失檢測 |
4、基于拼接結(jié)果與參考基因組比較的大片段的插入和缺失結(jié)果注釋 |
5、客戶自定義分析 |
【點擊隱藏】
基礎(chǔ)分析 - 項目 |
1、原始數(shù)據(jù)質(zhì)控評估 |
2、數(shù)據(jù)過濾及統(tǒng)計 |
3、基因組比對 |
4、覆蓋度、測序深度統(tǒng)計 |
5、SNV/ InDel 檢測 |
6、樣本 CNV 檢測分析 |
7、樣本 SV 檢測分析 |
【點擊隱藏】
基礎(chǔ)分析 - 項目 |
1、原始數(shù)據(jù)預(yù)處理 |
2、樣本的 beta 值密度曲線 |
3、數(shù)據(jù)歸一化(甲基化位點總表,含注釋信息) |
4、差異甲基化位點(含注釋信息) |
5、差異甲基化位點的染色體分布、熱圖、火山圖 |
6、按基因注釋分類得到差異甲基化區(qū)域(6 個) |
7、按 CpG 注釋分類得到差異甲基化區(qū)域(5 個) |
8、差異甲基化區(qū)域基因統(tǒng)計圖表 |
高級分析 - 項目 |
1、組內(nèi)異質(zhì)性小提琴圖展示 |
2、T-sne 降維算法展示樣本分組情況 |
3、散點圖展示組間啟動子區(qū)所有位點甲基化值 |
4、密度曲線圖展示 TSS 區(qū)域高低甲基化位點的分布 |
5、特定基因 CG 位的點甲基化程度展示(柱狀圖,正負鏈信息) |
6、圈圖展示不同樣本甲基化程度(顏色 / 峰高)在所有染色體上的分布 |
7、所有基因在不同功能區(qū)域的甲基化程度走勢圖 |
8、特定信號通路基因的甲基化程度走勢圖 |
9、所有 CGI、shore、shelf 區(qū)域的甲基化程度走勢圖 |
10、特定基因的甲基化走勢分析 |
11、熱圖形式展示 Methyl&RNA 的聯(lián)合分析 |
12、散點圖形式展示 Methyl&RNA 的聯(lián)合分析 |
13、散點圖展示某樣本內(nèi)所有基因的 MethylRNA 表達的整體相關(guān)性 |
14、散點圖展示特定基因的 Methyl&RNA 的聯(lián)合分析 |
15、基于甲基化數(shù)據(jù)的 K -means 聚類分析 |
16、基于甲基化數(shù)據(jù)的 WGCNA 分析 |
17、基于甲基化數(shù)據(jù)的 IPA 分析 |
【點擊隱藏】
使用指南: 點擊 【標題文字】 展開產(chǎn)品列表。
更多詳情: 請您 “聯(lián)系駐地銷售經(jīng)理” 或 “點擊下方按鈕咨詢客服”