|
可承接单项的蛋白质组方面的生物信息技术服务，包括质谱数据深度分析、蛋白质注释及功能分析、蛋白质相互作用网络构建及分析、蛋白质组研究主题信息服务、生物标志物发现(蛋白质表达模式建模)和专业数据库研发等。
|
|||||||||||||||||
| [发表评论] [本类其他服务] [本类其他服务商] | ||||||||||||||||||
| 服务商： 北京蛋白质组研究中心 | 查看该公司所有服务 >> |
可承接单项的蛋白质组方面的生物信息技术服务，包括质谱数据深度分析、蛋白质注释及功能分析、蛋白质相互作用网络构建及分析、蛋白质组研究主题信息服务、生物标志物发现(蛋白质表达模式建模)和专业数据库研发等。
重点技术服务项目Services
质谱数据深度分析 Deep and comprehensive analysis of MS data
蛋白质注释及功能分析 Annotation and functional analysis for proteins
蛋白质相互作用网络构建及分析（Construction and analysis of PPI network）
蛋白质组研究主题信息服务 Subject information service in proteomic study
生物标志物发现(蛋白质表达模式建模) Discovery of biomarkers
数据库研发 Research and development of databases
一、质谱数据深度分析
使用谱图技术对蛋白质进行定量分析，对质谱鉴定的蛋白质进行翻译后修饰鉴定。
二、蛋白质注释及功能分析
提供高质量的数据注释信息，包括对蛋白质结构域、翻译后修饰、突变体、亚细胞定位和功能等描述。利用功能注释工具高通量地对每个蛋白质进行功能注释，并最终统计功能富集蛋白和蛋白质的功能分布。
三、蛋白质相互作用网络构建及分析
（一）蛋白质相互作用构建及可视化
构建蛋白质相互作用网络首先需要获取蛋白质相互作用的数据。目前已有大量的蛋白质相互作用数据库，比如DIP（Database of Interacting Proteins），BIND（Biomolecular Interaction Network Database），KEGG（Kyoto Encyclopedia of Genes and Genomes）等。根据这些数据库中提取的蛋白质相互作用数据，可以构建相应的相互作用网络。同时，利用研究室开发的生物信息学软件对每对蛋白质间的相互作用可信度进行打分，从而构建一个更可靠的蛋白质相互作用网络，并对网络进行直观的可视化。
（二）蛋白质相互作用网络深入分析
结合蛋白质功能注释信息，可以对蛋白质相互作用网络进行如下几个方面的深度分析：
（1） 蛋白质相互作用网络中的相互流向预测；
（2） 根据网络的拓扑性质，挖掘网络重要节点（如hub节点、crosstalk节点）；
（3） 根据功能注释信息，进行网络模块化。
根据这些信息，分子生物学家可以筛选潜在的生物标记物和药物靶标，并对其进行深入的实验验证。
四、其它服务
此外，本技术平台还提供蛋白质组研究主题信息服务、生物标记物发现以及为一些生物实验室构建可以访问的专业数据库。
以上服务的分析报告将会描述详细的分析流程和分析结果，给出分析方法在文章中的引用方式，具体需求欢迎面谈。
项目收费
|
分析项目 |
具体内容 |
价格 |
|
蛋白质鉴定分析 |
对Mascot和SEQUEST两大搜索引擎的结果进行质量控制，获取数量更多的高可靠的肽段及蛋白质鉴定结果。 |
2000元/样 |
|
蛋白质定量分析 |
提供蛋白质定量信息（如SILAC,O18等标记定量的蛋白） |
1500元/样 |
|
蛋白翻译后修饰分析 |
鉴定质谱数据中蛋白质翻译后修饰类型、翻译后修饰位点信息 |
2000元/样 |
|
蛋白质常规分析 |
提供蛋白质基本性质、序列特征分析和亚细胞定位预测等 |
500元/样 |
|
蛋白质功能分类 |
GO注释分析→GO富集分析：建立物种的GO解释库→蛋白质功能、参与信号通路及生物过程进行分类 |
500元/样 |
|
蛋白质相互作用网络构建 |
预测蛋白质相互作用，给出现有蛋白质相互作用数据库中的相关证据，提供感兴趣的蛋白质相互作用网络图(最大蛋白质数为300) |
1000元/样 |
|
蛋白质相互作用网络分析 |
蛋白质相互作用网络中的信号流方向预测；根据网络的拓扑性质，挖掘网络重要节点（如hub节点、crosstalk节点）；根据功能注释信息，进行网络模块化 |
2000元/样 |
|
专业数据库构建 |
按文章要求，提供网络可访问的数据库 |
3000元 |
相关发表文章
1. Liu W, Li D, Liu Q, Zhu Y, He F. A novel parametric approach to mine gene regulatory relationship from microarray datasets. (BMC Bioinformatics) (IF 3.7817)
2. Wu X, Wu S, Li D, Zhang J, Hou L, Ma J, Liu W, Ren D*, Zhu Y*, He F*. Computational identification of rare codons of Escherichia coli based on codon pairs preference. BMC Bioinformatics. 2010 Jan 28;11(1):61 (IF 3.7817)
3. Chinese Human Liver Proteome Profiling Consortium. First insight into human liver proteome from PROTEOMESKY- LIVERHu 1.0, a publicly-available database. J Proteome Res. 2010 Jan;9(1):79-94 (IF 5.675)
4. Sun A, Jiang Y, Wang X, Liu Q, Zhong F, He Q, Guan W, Li H, Sun Y, Shi L, Yu H, Yang D, Xu Y, Song Y, Tong W, Li D, Lin C, Hao Y, Geng C, Yun D, Zhang X, Yuan X, Chen P, Zhu Y, Li Y, Liang S, Zhao X, Liu S, He F. Liverbase: a comprehensive view of human liver biology. J Proteome Res 2010, 9 (1): 50-8 (IF 5.675)
5. Liu K, Zhang J, Wang J, Zhao L, Peng X, Jia W, Ying W, Zhu Y, Xie H, He F, Qian X. Relationship between sample loading amount and peptide identification and its effects on quantitative proteomics. Anal Chem. 2009
6. Zhang J, Ma J, Dou L, Wu S, Qian X, Xie H, Zhu Y, He F. Bayesian nonparametric model for the validation of peptide identification in shotgun proteomics. Mol Cell Proteomics. 2009
7. Zhang J, Ma J, Dou L, Wu S, Qian X, Xie H, Zhu Y, He F. Mass measurement errors of Fourier-transform mass spectrometry (FTMS): distribution, recalibration, and application. J Proteome Res. 2009 (IF 5.675)
8. Liu W, Li D, Wang J, Xie H, Zhu Y, He F. Proteome-wide prediction of signal flow direction in protein interaction networks based on interacting domains. Mol Cell Proteomics. 2009
9. Zhang J, Li J, Liu X, Xie H, Zhu Y, He F. A nonparametric model for quality control of database search results in shotgun proteomics. BMC Bioinformatics. 2008
10. Suresh Mathivanan, et al. Human Proteinpedia enables sharing of human protein data. Nature Biotechnology 2008; 26(2):164-7 (IF 22.848)
联系方式
北京蛋白质组研究中心
手机版：蛋白质组信息学技术服务
Copyright(C) 1998-2025 生物器材网 电话：021-64166852;13621656896 E-mail：info@bio-equip.com