2023 06-23 干货第一弹!多组学联合分析之代谢组FAQ 代谢组是对生物体内代谢产物全谱分析的一种研究手段,代谢产物包括核酸、蛋白质、脂类生物大分子以及其他小分子物质,目前主要是检测1000Da以下的物质。代谢组研究具有高通量的检测能力、高灵敏度和准确度、非侵入性、非破坏性、全面性、数据资源整合等特点。通过LC-MS/GC-MS评估生物体或细胞产生的代谢产物的水平以及变化,可以进一步研究这些代谢产物与转录组学差异基因或微生物的关系。在这个系统生物学...... 阅 读 全 部 >
2023 06-23 常用LC-MS平台公共代谢数据库类型大合集 我们知道在代谢组学实验鉴定后,原始数据经软件解析后将得到代谢离子以及二级碎片离子的谱图信息,如:离子的质荷比(m/z)、保留时间(Retention time)及在信号强度值(intensity)等,通过与数据库中一二级代谢物的谱图信息进行匹配,来确定检测到哪些代谢物。但在谱图匹配中一定少不了数据库,继上期小编分享了四连发 | 新鲜出炉!同一期刊连发4篇,鹿明LC-MS非靶向代谢“...阅读全文&... 阅 读 全 部 >
2023 06-18 染色质免疫共沉淀测序(ChIP-seq)的数据挖掘思路 |干货系列 大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因。CHIP-seq研究的数据挖掘思路主要分为3步:整体把握CHIP-seq图谱特征:peak/reads在基因组上的分布、peak在元件上的富集、peak在基因元件上的分布、peak的motif分析、peak距离TSS位点的距离分析、peak修饰基因的功能分析筛选具体差异peak和基因:差异peak鉴定、非时序数据的...阅读全文>... 阅 读 全 部 >
2023 06-18 单细胞转录组高级分析一:多样本合并与批次校正 01前言实际的科研项目中不可能只有一个样本,多样本的单细胞数据如何合并在一起,是否需要校正批次效应呢?先上一张图说明多样本scRNA数据的批次效应:左边的图简单地把多个单细胞的数据合并在一起,不考虑去除批次效应,样本之间有明显的分离现象。右边的图是使用算法校正批次效应,不同的样本基本融和在一起了。scRNA数据校正批次效应的算法有很多:MNN, CCA+MNN, Harmony, Scanor..... 阅 读 全 部 >
2023 06-18 16S从实验到数据分析最全流程 本文主要介绍了16S的实验、建库、数据分析等过程,也是我自己近期的一个小总结,初学之时从很多前辈的无私分享中受益良多,在此也和大家分享一些我的见解,当然我也只是一个初学者,还有很多不完备之处,希望能与各位一起交流分享。导航本文一共分为三个部分:实验部分建库测序16S测序数据分析一. 实验部分:DNA提取与质检1...阅读全文>>... 阅 读 全 部 >
2023 06-17 【生物信息学笔记】欧洲生物信息中心(EBI)资源 我们接着讲生物信息学的资源,之前我们介绍了NCBI,欧洲也有一个非常大的centralized resource,叫EBI 。和NCBI有点类似,也是一个包含各种各样数据库这样的资源,它主要也是针对从序列到蛋白到蛋白结构到表达到通路到Ontology各个方面。首先在DNA,RNA和蛋白的方面,基因和基因组最主要是有一个ensembl,很多人不知道EBI也会知道ensemb...阅读全文>&g... 阅 读 全 部 >
2023 06-17 Nature Genetics|新的预育种策略,促进小麦改良 2022年10月4日, Nature Genetics在线发表了德国莱布尼茨植物遗传与作物研究所(IPK)Jochen C. Reif和Martin Mascher联合团队及其合作者题为“ Genomics-informed prebreeding unlocks the diversity in genebanks for wheat improvement ”的研究论文。该研究通过对大量...... 阅 读 全 部 >
2023 06-17 热点综述 | 基于人工智能的多组学分析助力癌症精准医学研究 AI & 癌症研究多组学技术和人工智能算法的同步发展推动了癌症精确医学的发展。2023年1月《 Seminars in Cancer Biology 》发表了一篇综述文章, 全面总结了基于人工智能的多组学肿瘤分析的最新进展,重点介绍了基于人工智能的多组学技术在癌症诊断、分类、早期筛查、反应评估和预后预测方面的应用。多组学技术随着高通量生物技术的发展,已经开发了多种组学技术来表征不...阅读... 阅 读 全 部 >
2023 06-17 Nature重磅综述 | 利用组学大数据评估人的生物学年龄 机器学习的兴起为大数据时代掀起新的浪潮。机器学习是人工智能的一个子集,通过泛型算法从数据集中发现模式和相关性并建立逻辑,并根据数据分析结果做出最佳决策和预测。目前机器学习已大量应用于各行各业,助力各产业或科学研究的深度提升。美国加州斯坦福大学的Tony Wyss-Coray团队于2022年6月在Nature Reviews Genetics上发表的一篇名为“Measuring biolo...阅读... 阅 读 全 部 >
2023 06-16 组学研究揭示不同牛品种的DNA甲基化、染色质和基因表达互作机制 大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因。在全球范围内,牛为60多亿人提供了重要的营养来源。传染病是养牛生产的主要限制因素,且许多疾病人畜共患,因此与人类健康直接相关。近年来牛的许多复杂性状遗传基础得到了广泛研究,但不同动物的大量重要表型变化仍无法解释,人们越来越关注非遗传变异(包括基因表达、DNA甲基化和染色质)与重要牛表型的潜在相关性。为充分了解牛性状的非遗...阅读全文&... 阅 读 全 部 >