生物芯片數(shù)據(jù)分析服務(wù)

芯片質(zhì)量控制(Quality control,QC)    通過對(duì)數(shù)據(jù)作圖，可以評(píng)價(jià)實(shí)驗(yàn)數(shù)據(jù)的質(zhì)量，了解數(shù)據(jù)的分布規(guī)律，從而決定下一步的分析方法。

原始數(shù)據(jù)標(biāo)準(zhǔn)化(Raw data normalization)    對(duì)原始數(shù)據(jù)進(jìn)行處理，通過特定的統(tǒng)計(jì)分析，達(dá)到消除背景噪音，過濾臟數(shù)據(jù)，去除同一實(shí)驗(yàn)不同block之間、不同芯片之間的實(shí)驗(yàn)誤差，使不同芯片的數(shù)據(jù)具有可比性。下圖為數(shù)據(jù)標(biāo)準(zhǔn)化前（左圖）后（右圖）數(shù)據(jù)的盒圖，表示各芯片數(shù)據(jù)的數(shù)值分布。

差異表達(dá)分析(DEG analysis)    差異表達(dá)分析是芯片數(shù)據(jù)的基本分析手段之一，不同方法適用于不同的數(shù)據(jù)，常用的方法有l(wèi)imma，SAM，T-test ，F(xiàn)isher’s exact test等。

聚類分析    聚類分析可用來做疾病亞型分型(sub-classification)，可用于檢測(cè)樣本群體分布情況，發(fā)現(xiàn)表達(dá)相關(guān)基因群等。常用的聚類方法有層次聚類(hierarchical cluster)，K-means，自組織映射（SOM）。

基因注釋 (GO/pathway annotation)   采用不同數(shù)據(jù)庫(kù)對(duì)篩選出來的重要基因進(jìn)行注釋。

基因集富集分析 (Gene Set Enrichment Analysis, GSEA)    富集分析是基于統(tǒng)計(jì)學(xué)檢驗(yàn)的case/control高通量分析方法，可用于揭示生物學(xué)樣本（case相對(duì)于control）中被顯著激活或顯著抑 制的功能。與翔自主開發(fā)研制了不同的功能分析數(shù)據(jù)庫(kù)，可以提供對(duì)GO、KEGG、BioCarta、疾病相關(guān)基因、腫瘤相關(guān)基因、轉(zhuǎn)錄因子結(jié)合位點(diǎn)等功能 的富集分析。

全基因組表達(dá)譜視圖 (Genome based visualization)    特點(diǎn)：1）矢量圖(PDF格式)，可無限放大不損失分辨率；2）按照染色體定位排列，非聚類分析結(jié)果，可以視為基因表達(dá)譜天然聚類結(jié)果。