 |
技术服务 |
 |
|
|
|
|
|
 |
 技术服务>生物信息学 |
 |
| SNP分型芯片数据分析 |
|
基本分析
芯片原始数据的处理和基因分型。我们给出有统计意义的SNP列表。
描述性统计。如minor allele frequency，Hardy-Weinberg equilibrium等。
显著性检验。实验组与对照组的差异，假阳性率（FDR）的计算等。
SNP的关联分析。建立线性模型或logistic回归模型等。(所有的统计可以选择由SAS，SPSS，或S-Plus/R给出)
拷贝数变异分析
CNV是目前的一个热点研究内容。SNP芯片数据可以用于精确地计算CNV。我们提供针对SNP芯片的基于CNAG(Copy Number Analyser for GeneChip), dChip(DNA-Chip Analyzer)和CNAT(Chromosome Copy Number Analysis Tool)等算法的CNV计算结果。
n SNP注释
通过SNP在染色体上的位置，利用寻找SNP可能影响的基因( or EST)。我们也可以对相应基因进行功能的注释（gene ontology ，pathway和转录因子分析等），进而解释SNP可能的作用机理。该部分可以参考常规表达谱芯片的分析。
SNP挖掘
传统的SNP挖掘使用统计学的方法来进行，往往在敏感性与特异性上有一定的限制。利用一些模式识别/机器学习的方法可以更好解决SNP筛选问题。我们提供基于决策树等SNP挖掘算法。
利用筛选到的SNP建立人工神经网络（ANN）、SVM、PAML等诊断模型，在临床上具有重要意义。下图是我们使用ANN方法来构建诊断模型设计的策略：
SNP跨平台整合分析
目前SNP public的数据越来越多，主要使用的是Illumina和affymetrix两个平台。我们提供公共数据的整合分析的解决方案，包括不同平台数据之间的整合。
SNP芯片与表达谱芯片、甲基化芯片、aCGH芯片、microRNA芯片等其他高通量数据整合分析
SNP与表达谱芯片，aCGH在技术上各有所长。我们提供数据整合方案实现综合所有可能的高通量方法，解决相应的生物学问题：如癌症药靶的筛选，复杂遗传疾病marker的挖掘等。
|
| |
| [上一页] [1] [2] [3] [4] |
|
|
