 |
敏芯科技为您提供专业的表达谱芯片实验及数据分析服务
|
|||||||||||||||||
| [发表评论] [本类其他服务] [本类其他服务商] | ||||||||||||||||||
| 服务商： 上海敏芯信息科技有限公司 | 查看该公司所有服务 >> |
一、差异基因筛选
首先对原始数据进行预处理和均一化处理。没有重复的数据采用倍数法和 Z 值法相结合的方法来进行差异基因的筛选，挑选出至少在一个样本里表达倍数大于 two fold及 Z 的绝对值大于 2（即 Z>2 或 Z<-2）的基因挑出。对于有重复实验的芯片数据则采用统计方法来进行差异基因的筛选。
二、 聚类分析
针对多芯片结果进行了芯片间及差异表达基因之间的双向聚类，同时对新基因的功能进行预测，目的是对不同的样本进行分类，并对差异基因进行相似性分析。聚类方法包括层次聚类，K-means聚类及SOM等。
三、功能分类
对差异基因进行相应的生物学功能分类，采用GO 数据库中的功能聚类注释结果，并根据统计检验方法(P-value)筛选显著显异的分类。最后针对客户的需求进行结果的输出。
四、pathway分析
建立信号通路和生物功能网络，将差异基因与相关的信号通路进行比较、整合，找出基因之间的相互关系，进行通路动态仿真。并根据统计检验方法(P-value)筛选显著显异的代谢通路，已期对致病基因构建模拟疾病状态的通路网络,对目的基因进行分析,以期发现目的基因与疾病之间在生物学通路或生化途径上的关联。
Pathway中差异基因的统计图
差异基因在代谢途径上的分析情况，红色标记上调基因，绿色标记下调基因
五、转录因子（TF）分析
利用相关的转录因子（TF）数据库，采用pwmatch算法对每个转录因子分析其在差异基因中的分布情况，利用chi-square test等统计方法寻找有差异的转录因子。目的在于找到调控目标生物性状，统计学上有显著差别的转录因子。
六、 Data-driven Network分析
对差异基因进行Co-expression基因调控网络的构建。采用贝叶斯方法，通过对表达数据进行机器学习，来构建差异基因之间的动态网络。这是一种数据驱动的网络构建，可以发现一些新的调控关系。
七、 Knowledge-driven Network分析
通过整合PubMed text mining，同源预测，基因neighbor，蛋白-蛋白相互作用，基因融合等数据，建立一个all differentially expressed genes in a single plot的调控网络。这是一种已有知识驱动的网络构建。目的在于对前人的研究结果和本实验的生物信息进行关联分析，以期找到一些新的基因共表达的线索，发现新的规律。
八、疾病的分型
主要是针对复杂的疾病，利用芯片数据对这些疾病的子类型进行区分，识别传统诊断手段无法辨别，但对预后却有重要意义的亚型。
九、（疾病）预测模型的构建
利用Bayesian network, PAM及SVM等机器学习语言对芯片结果进行预测模型的构建，将部分芯片数据拿来做预测模型，然后部分芯片数据作为测试数据集（独立样本）来验证模型的准确性。目的在于利用实验数据来筛选出一批靶标基因，并以此构建模型，以进行早期诊断、疾病预测和预后分析。
十、基因表达趋势分析
应用模糊聚类等机器学习方法，对差异基因进行基因表达趋势的显著性分析，筛选出随着时间的变化，显著性的基因表达趋势，同时得到相应的目标表达趋势。对随着时间的深入差异表达的基因，进行基因表达趋势分析，筛选出不同处理作用的最重要的基因表达趋势。
＊ 所有解释权及版权归上海敏芯信息科技有限公司所有，详情请咨询021-31523052
手机版：表达谱芯片数据分析服务
Copyright(C) 1998-2025 生物器材网 电话：021-64166852;13621656896 E-mail：info@bio-equip.com