基因云馆新一代信息数据库

数据库

• GEO数据库检索
NCBI的基因表达汇编（GEO）计划。GEO的目的是建立一个基因表达数据仓库和在线资源，主要目的为存储和检索模式动物或人类的基因图谱（基因表达数据）。
• ArrayExprss数据库
ArrayExpress是高通量功能基因组数据的一个公共数据库。ArrayExpress由两部分组成 -- ArrayExpress Repository，它是一个MIAME（Minimum Information About a Microarray Experiment）支持的微阵列数据的公共档案库，及ArrayExpress Data Warehouse，它是选自档案库的基因表达谱及一致性重注释的数据库。此模块可以将ArrayExprss上的数据文件本地化，将其转化为平台所用的格式，使其可以在平台上进一步的处理， 同时，也将记录相关的平台信息，注释信息等文件，对应下步的内容处理。
• TCGA数据库
美国政府发起的癌症和肿瘤基因图谱（Cancer Genome Atlas，TCGA）计划，试图通过应用基因组分析技术，特别是采用大规模的基因组测序，将人类全部癌症（近期目标为50种包括亚型在内的肿瘤）的基因组变异图谱绘制出来，并进行系统分析，旨在找到所有致癌和抑癌基因的微小变异，了解癌细胞发生、发展的机制，在此基础上取得新的诊断和治疗方法，最后可以勾画出整个新型“预防癌症的策略”。
• 其他基因数据库项目
数据库是生物信息学的主要内容，各种数据库几乎覆盖了生命科学的各个领域。核酸序列数据库有GenBank, EMBL, DDB等，蛋白质序列数据库有SWISS-PROT, PIR, OWL, NRL3D, TrEMBL等，蛋白质片段数据库有PROSITE, BLOCKS, PRINTS等，三维结构数据库有PDB, NDB, BioMagResBank, CCSD等，与蛋白质结构有关的数据库还有SCOP, CATH, FSSP, 3D-ALI, DSSP等，与基因组有关的数据库还有ESTdb, OMIM, GDB, GSDB等，文献数据库有Medline, Uncover等。

差异分析

• LIMMA差异分析
LIMMA是一个使用线性模型，分析高通量分析中组间的差异基因的方法，这种方法已经被广泛应用于高通量分析，是一种经典方法。

通路分析

• KEGG数据库
KEGG(Kyoto Encyclopedia of Genes and Genomes)中文名称(京都基因与基因组百科全书)是基因组破译方面的数据库；是系统分析基因功能、基因组信息数据库，它有助于研究者把基因及表达信息作为一个整体网络进行研究；是了解高级功能和生物系统(如细胞、 生物和生态系统)，从分子水平信息，尤其是大型分子数据集生成的基因组测序和其他高通量实验技术的实用程序数据库资源。
• IPA数据库
IPA是一个一体化并以网络为基础的应用软件，通过它用户可用于分析、整合、理解来自于基因表达，microRNA，SNP微阵列的数据，代谢物组学和蛋白质组学的实验数据，和一些可产生基因、化学品列表的小规模实验的数据。通过IPA，您能够搜索到有关基因、蛋白质、化学品和药物的信息，并能为您建立起实验系统的交互模型。
• 网络关联推断拓展GO分析
GO ( Gene Ontology，基因本体论) 数据库将基因功能分为三大类：分子功能(Molecular Function)，生物学过程 (Biological Process) 和 细胞组分 (Cellular Component)。在每一个分类中，都提供一个描述功能信息的分级结构。

网络分析

• 基因共表达网络分析
基于基因共表达网络的比较分析，发现人类基因共表达网络和蛋白质相互作用数据之间存在一定的相关性。通过对该途径中的蛋白质相互作用网络作图，可以获得基因相互作用的功能模块。通过对模块中的基因分类和关键基因分析得出细胞或者组织等对应于内外源刺激物的应答功能。
• 基因组基于PPI网络的分析
由于蛋白质很少以独立个体的方式实现其被赋予的功能，即在同一细胞的生化过程中所涉及到的蛋白质一般通过彼此之间的相互作用形成大分子复合物后才能完成其生物学功能，因此蛋白质相互作用及相互作用网络的研究和分析很自然地成为理解生命活动中细胞组织、过程和功能的基础。

预测分类

• 支持向量机
SVM（Support Vector Machine）是从瓦普尼克（Vapnik）的统计学习理论发展而来的，主要针对小样本数据进行学习、分类和预测（有时也叫回归）的一种方法，能解决神 经网络不能解决的过学习问题。
• 蒙特卡洛预测
蒙特卡罗方法是一类通过随机变量统计试验随机模拟以求得问题近布以解的方法计算机模拟研究是蒙特卡罗方法的现代化，利用计算机模拟方法研究植物遗传育种的理论与实践问题不仅是可行的而且是可靠的。利用计算机模拟研究植物遗传育种问题时需注意建立一个准确可靠的遗传模型，利用能产生周期长且统计性质优的伪随机数产生方法，以使模拟结果更加准确可靠。

临床分析

• 临床数据样本分析
临床试验是在患者或健康志愿者体中展开的药物系统性研究,主要是对药物功效及不良反应进行证实或分析,或对试验药物在人体内的吸收、代谢、分布与排泄过程进行揭示,从而对试验药物疗效、安全性进行确定的过程。

研究项目

• 基因组后分析项目
该项目将开展植物、动物及微生物基因组等方面的研究，以便更好的促进生物信息和高通量技术在国内的应用。项目旨在提高我们大家对高通数据库的认识和解读，同时还将有助于开发新的研究方法和思路。
• 测序数据深度分析
RNA-seq数据分析包括基本数据分析和生物信息数据分析，对测序数据的序列匹配（mapping），裁减低质量部分，数据格式转换等。序列拼接（assembly），tRNA/rRNA识别和分类，基因组GC含量分析，并识别特异区域，基因功能注释和基因功能分类。
• lncRNA数据分析
长链非编码RNA（long non-coding RNA，lncRNA）是一类转录本长度超过200nt、不编码蛋白的RNA。lncRNA 能在表观遗传、转录及转录后水平上调控基因表达，参与了X染色体沉默、基因组印记以及染色质修饰、转录激活、转录干扰、核内运输等多种重要的调控过程，与 人类疾病的发生、发展和防治都有着密切联系。

测序分析

• DNA测序分析
新一代测序技术的发展，不仅可以可以带给我们更大更多的基因组和更精确的覆盖率；同时，更重要的是带给我们探索未来的潜能。DNA测序技术主要包括de novo测序、全基因组重测序，全外显子测序以及目标区域捕获测序等。
• RNA测序分析
转录组是特定物种、组织或细胞类型转录的所有RNA（转录本）的集合，包括mRNA和非编码RNA(Non-coding RNA， 非编码RNA又包括：tRNA，rRNA，snoRNA，microRNA，piRNA，lncRNA等。通过比较转录组或基因表达谱的研究以揭示生物学现象或疾病发生的分子机制是高通量组学研究的一个常用策略。

模式动物

• 基因工程小鼠的表达研究
小鼠基因剔除作为一种有效的实验手段，已被广泛地用于解析人类基因功能、探索人类疾病的机制。

综合分析

• 多角度分析表达谱数据获得初步结果
通过差异和基因互作进行疾病相关基因的初步预测。

预处理

• 芯片数据预处理
预处理就是将基因表达的芯片探针或者测序获得的基因片段，进行各种处理，最终获得基因相对表达值的过程。

统计分析

• 学生t检验
针对不同分析需求相关的数量性状相关基因进行表达分析。 根据不同样本进行分组（对照组和实验组），并基因表达进行统计检验。 提取处理后数据，运用t检验判断正常组和疾病组基因的表达差异是否具有显著性。