生物信息学专业级分析平台介绍.pdf

后基因组时代高通量数据的生物信息学分析 —与翔生物信息学分析平台简介 张新宇博士 前言  以生物芯片为代表的高通量生物技术飞速发展， 其数据特点为海量、复杂、难于深入分析 生物学研究人员要求数据分析更加系统化、个性 化，具创新性 商业版和免费版分析软件繁多，而缺乏专业的、 系统的、扩展性高的数据分析平台 专业公司的服务相对于团队建设周期短，投资少 与翔公司高通量数据分析平台  基因组学 – Array CGH – DNA 甲基化芯片 编程环境： – Tiling Array (ChIP-chip) Linux和 – SNP 芯片(genotype/LOH/CN/GWAS) MySQL – 高通量DNA测序(454/Solexa/ SOLiD) – 基因组注释 编程语言：  转录组学 C++, R, Perl, – DNA芯片(mRNA/microRNA) Python, – SAGE/EST 文库 Matlab, Java – 高通量RNA测序  蛋白质组学/代谢组学 所有流程已本 – 双向电泳/HPLC质谱 地化并经过 – 蛋白质结构及其功能预测 unit 测试  系统生物学 – 基因网络/相互作用分析 – 异质和异源数据整合分析 Tiling array (ChIP-chip) 分析系统 (Client-Server mode) SDK 流程 MAT 流程 ChIP-chip 结果IGB/UCSC视图 IGB UCSC SNP 芯片分析系统 (Client-Server mode) Genotype 分析 LOH 分析 CN 分析 GWAS 分析 CN/LOH结果IGB全基因组视图 CN LOH SNP 芯片分析系统 (Client-Server mode) Genotype 分析 LOH 分析 CN 分析 GWAS 分析 关联分析  主要目的是寻找生物标志物和标志谱  要求有足够多的样本和足够多的候选位点  通过表型和基因型关联度的分析手段，在提高预测准 确率的同时对候选位点进行降维处理  通过建立数学模型，可以准确的预测未知样本的表型， 发现表型相关基因  目前最为流行的关联分析是全基因组关联分析 (Genome Wide Association Study, GWAS) 与翔GWAS平台主要方法 不同类型的高