手机验证
询价列表
暂时没有已询价产品
微信扫一扫分享
分享到新浪微博
分享到丁香园论坛
基因表达谱数据分析
芯片质量控制(Quality control,QC) 通过对数据作图,可以评价实验数据的质量,了解数据的分布规律,从而决定下一步的分析方法。
原始数据标准化(Raw data normalization) 对原始数据进行处理,通过特定的统计分析,达到消除背景噪音,过滤脏数据,去除同一实验不同block之间、不同芯片之间的实验误差,使不同芯片的数据具有可比性。下图为数据标准化前(左图)后(右图)数据的盒图,表示各芯片数据的数值分布。
差异表达分析(DEG analysis) 差异表达分析是芯片数据的基本分析手段之一,不同方法适用于不同的数据,常用的方法有limma,SAM,T-test ,Fisher’s exact test等。
聚类分析 聚类分析可用来做疾病亚型分型(sub-classification),可用于检测样本群体分布情况,发现表达相关基因群等。常用的聚类方法有层次聚类(hierarchical cluster),K-means,自组织映射(SOM)。
基因注释 (GO/pathway annotation) 采用不同数据库对筛选出来的重要基因进行注释。
基因集富集分析 (Gene Set Enrichment Analysis, GSEA) 富集分析是基于统计学检验的case/control高通量分析方法,可用于揭示生物学样本(case相对于control)中被显著激活或显著抑制的功能。与翔自主开发研制了不同的功能分析数据库,可以提供对GO、KEGG、BioCarta、疾病相关基因、肿瘤相关基因、转录因子结合位点等功能的富集分析。
全基因组表达谱视图 (Genome based visualization) 特点:1)矢量图(PDF格式),可无限放大不损失分辨率;2)按照染色体定位排列,非聚类分析结果,可以视为基因表达谱天然聚类结果。
风险提示:丁香通仅作为第三方平台,为商家信息发布提供平台空间。用户咨询产品时请注意保护个人信息及财产安全,合理判断,谨慎选购商品,商家和用户对交易行为负责。对于医疗器械类产品,请先查证核实企业经营资质和医疗器械产品注册证情况。
马上登录 或注册,即可保存询价历史