生信分析的目的是通过运用高通量分子生物技术收集并分析大量组学数据，进而在数据研究基础上对生物医学问题进行研究。这个过程不仅需要掌握基本的生物信息学原理和方法，还需要熟悉各种软件工具的使用，以便更有效地进行数据分析。
| 基础分析 - 分类 | 基础分析 - 项目 |
| 1. 数据质控与统计 | 1. 数据质控与统计 |
| 2. 数据预处理 | 2.1 基因组比对及基因表达定量 |
| 2.2 基因及细胞过滤 |
| 2.3 细胞周期效应评估 |
| 3. 多样本整合分析和 PCA 降维 | 3. 多样本整合分析和 PCA 降维 |
| 4. 细胞分群和可视化 | 4.1 细胞分群（louvain 算法聚类） |
| 4.2 t-SNE、UMAP 可视化 |
| 4.3 细胞亚群在样本分组间的差异分析 |
| 4.3 差异表达基因的功能富集分析 |
| 5. Marker 基因分析 | 5.1 marker 基因筛选（Wilcoxon 算法） |
| 5.2 top marker 基因可视化（heatmap 图 /t-SNE 图 /vlnplot 图） |
| 5.3 top marker 基因 GO/KEGG 功能富集分析 |
| 5.4 top marker 基因 GSEA 分析 |
| 6. 多样本比较分析 | 6.1 各样本中的细胞类型分布比例统计 |
| 6.2 各样本和 Cluster 中细胞数目统计 |
| 7. 细胞类型注释（使用软件和数据库进行注释） | 7.1 细胞类型注释（singleR 软件） |
| 7.2 singleR 自动注释结果多样本展示（t-SNE，UMAP） |
| 7.3 细胞类型注释（SCINA 软件） |
| 7.4 SCINA 半监督注释结果多样本展示（t-SNE，UMAP） |
| 8. 细胞通讯 cellchat 分析（所有亚群整体分析） | 8.1 细胞间通讯网络分析 |
| 8.2 细胞间通讯网络图可视化 |
| 8.3 指定信号通路或配体 - 受体分析 |
高级分析 - 分类
|
高级分析 - 项目 |
| 1. 样本间功能特征比较（默认使用 hallmark 基因集，客户也可指定或提供基因集） |
1. 样本间功能特征比较（默认使用 hallmark 基因集，客户也可指定或提供基因集） |
| 2. 拟时序分析（需要客户指定细胞类型，每个细胞类型做一次分析） |
2.1 拟时序分化分析及展示 |
| 2.2 拟时序分化基因聚类及 GO 富集 |
| 3. 单细胞 CNV 分析（仅限肿瘤样本） |
3. 单细胞 CNV 分析（仅限肿瘤样本） |
| 4. scCancer 恶性细胞鉴定（仅限肿瘤样本） |
4.1 恶性细胞打分和鉴定 |
| 4.2 恶性细胞分布 t -SNE 展示 |
| 5. CopyKAT 恶性细胞鉴定（仅限肿瘤样本） |
5.1 细胞倍性鉴定 |
| 5.2 恶性细胞分布 t -SNE 和 Heatmap 展示 |
| 6. CellPhoneDB 细胞间通讯分析 |
6.1 亚群间互作分析 |
| 6.2 细胞通讯网络图绘制 |
| 6.3 受体配体对统计作图 |
| 7. 特定细胞亚群亚群细分 |
7.1 细胞聚类和可视化 |
| 7.2 marker 基因分析 |
| 7.3 亚群分组分布展示 |
| 8. SCENIC 转录因子分析 |
8. SCENIC 转录因子分析 |
| 9. RNA velocity 分化轨迹分析 |
9. RNA velocity 分化轨迹分析 |
| 10. 单细胞 RNA 和空间转录组联合分析（RCTD 算法） |
10.1 每个 spot 中各种细胞类型的相对占比 |
| 10.2 单细胞 RNA-seq 细胞类型谱对空间转录组芯片的映射图（饼图） |
| 10.3 RCTD 解析后的各细胞类型在指定区域的差异分析 |
-
| 基础分析 - 分类 | 基础分析 - 项目 |
| 1. 数据预处理 | 1.1 基因组比对 |
| 1.2 peak 注释及定量 |
| 1.3 基因及样本过滤 |
| 2. 细胞聚类和可视化 | 2.1 细胞聚类 |
| 2.2 T-SNE、UMAP 可视化 |
| 基础分析 - 分类 |
基础分析 - 项目 |
| 1. 数据质控与统计 |
1.1 样本 UMI 分布统计 |
| 1.2 样本基因数分布统计 |
| 2. spot 聚类和可视化 |
2.1 多样本合并 |
| 2.2 归一化后数据的聚类分析 |
| 2.3 Spot 聚类结果可视化 |
| 2.4 Spot 聚类亚群相关性分析 |
| 3. Marker 基因分析 |
3. Marker 基因分析 |
| 4. 多样本比较分析 |
4.1 cluster 比例分布比较 |
| 4.2 样本和 Cluster 中 spot 数目分布统计 |
| 5. 细胞类型注释（使用软件和数据库进行注释） |
5. 细胞类型注释（使用软件和数据库进行注释） |
| 6. 各个亚群（各个亚区域）的 marker 基因的 KEGG 及 GO 富集分析 |
6. 各个亚群（各个亚区域）的 marker 基因的 KEGG 及 GO 富集分析 |
| 7. 各亚群（亚区域）的 GSEA（gene set enrichment analysis）富集分析 |
7. 各亚群（亚区域）的 GSEA（gene set enrichment analysis）富集分析 |
| 8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
| 9. xCell 解析每个 spot 中细胞类型组成 |
9. xCell 解析每个 spot 中细胞类型组成 |
| 10. 细胞通讯分析 |
10. 细胞通讯分析 |
| 11. 备注 |
11. 备注 |
| 高级分析 - 分类 |
高级分析 - 项目 |
| 1. 单细胞数据映射（RCTD 算法） |
1. 单细胞数据映射（RCTD 算法） |
| 2. 单细胞数据映射（CellTrek 算法） |
2. 单细胞数据映射（CellTrek 算法） |
| 3. 空间细胞互作分析（Stlearn 算法） |
3. 空间细胞互作分析（Stlearn 算法） |
| 4. 空间拷贝数变异分析（siCNV） |
4. 空间拷贝数变异分析（siCNV） |
| 5. 其它分析（请填写具体分析内容） |
5. 其它分析（请填写具体分析内容） |
| 基础分析 - 分类 |
基础分析 - 项目 |
| 1. 数据质控与统计 |
1.1 样本 UMI 分布统计 |
| 1.2 样本基因数分布统计 |
| 2. spot 聚类和可视化 |
2.1 多样本合并 |
| 2.2 归一化后数据的聚类分析 |
| 2.3 Spot 聚类结果可视化 |
| 2.4 Spot 聚类亚群相关性分析 |
| 3. Marker 基因分析 |
3. Marker 基因分析 |
| 4. 多样本比较分析 |
4.1 cluster 比例分布比较 |
| 4.2 样本和 Cluster 中 spot 数目分布统计 |
| 5. 细胞类型注释（使用软件和数据库进行注释） |
5. 细胞类型注释（使用软件和数据库进行注释） |
| 6. 各个亚群（各个亚区域）的 marker 基因的 KEGG 及 GO 富集分析 |
6. 各个亚群（各个亚区域）的 marker 基因的 KEGG 及 GO 富集分析 |
| 7. 各亚群（亚区域）的 GSEA（gene set enrichment analysis）富集分析 |
7. 各亚群（亚区域）的 GSEA（gene set enrichment analysis）富集分析 |
| 8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
8. hallmark 基因集的 GSVA(Gene Set Variation Analysis) 分析 |
| 9. xCell 解析每个 spot 中细胞类型组成 |
9. xCell 解析每个 spot 中细胞类型组成 |
| 10. 细胞通讯分析 |
10. 细胞通讯分析 |
| 11. 备注 |
11. 备注 |
| 高级分析 - 分类 |
高级分析 - 项目 |
| 1. 单细胞数据映射（RCTD 算法） |
1. 单细胞数据映射（RCTD 算法） |
| 2. 单细胞数据映射（CellTrek 算法） |
2. 单细胞数据映射（CellTrek 算法） |
| 3. 空间细胞互作分析（Stlearn 算法） |
3. 空间细胞互作分析（Stlearn 算法） |
| 4. 间拷贝数变异分析（siCNV） |
4. 空间拷贝数变异分析（siCNV） |
| 5. 其它分析（请填写具体分析内容） |
5. 其它分析（请填写具体分析内容） |
【点击隐藏】
| 基础分析 - 分类 |
基础分析 - 项目 |
| 1. 原始数据质量控制 |
1. 原始数据质量控制 |
| 2. 蛋白质表达定量分析 |
2.1 PCA 图 |
| 2.2 热图 |
| 3. 蛋白质功能注释（GO、KEGG） |
3. 蛋白质功能注释（GO、KEGG） |
| 4. 差异蛋白统计 |
4. 差异蛋白统计 |
| 5. 差异分析可视化 |
5.1 火山图 |
| 5.2 热图 |
| 5.3 箱线图 |
| 6. 差异蛋白相关性分析 |
6. 差异蛋白相关性分析 |
| 7. 差异蛋白功能富集（GO、KEGG） |
7. 差异蛋白功能富集（GO、KEGG） |
| 高级分析 - 分类 |
高级分析 - 项目 |
| 1. GSEA 分析 |
1. GSEA 分析 |
| 2. k-means 聚类分析（时间趋势分析） |
2. k-means 聚类分析（时间趋势分析） |
| 3. WGCNA 分析（建议 20 个以上样本） |
3. WGCNA 分析（建议 20 个以上样本） |
| 4. IPA 分析 |
4. IPA 分析 |
| 5. GO 功能层次网络分析 |
5. GO 功能层次网络分析 |
| 6. pathway 功能层次网络分析 |
6. pathway 功能层次网络分析 |
| 7. 分子分型分析（疾病分型，建议 50 个以上样本） |
7. 分子分型分析（疾病分型，建议 50 个以上样本） |
| 8. 机器学习（标志物筛选） |
8. 机器学习（标志物筛选） |
| 9. 多组学相关性分析热图 |
9. 多组学相关性分析热图 |
| 10. 其它 |
10. 其它 |
【点击隐藏】
| 基础分析 - 分类 |
基础分析 - 项目 |
| 1. 数据质控与统计 |
1.1 转录本数分布统计 |
| 1.2 样本基因数分布统计 |
| 2. 聚类和可视化 |
2.1 聚类和可视化 |
| 2.2 归一化后数据的聚类分析 |
| 2.3 聚类结果可视化（t-SNE，UMAP，各细胞群体在切片上的分布图） |
| 2.4 聚类亚群相关性分析 |
| 3. 多样本比较分析 |
3. 多样本比较分析 |
| 4. 细胞类型注释 |
4. 细胞类型注释 |
| 5. 探针集基因的 KEGG 及 GO 富集分析 |
5. 探针集基因的 KEGG 及 GO 富集分析 |
| 6. 备注 |
6. 备注 |
【点击隐藏】
| 基础分析 - 分类 |
基础分析 - 项目 |
| 1. 原始数据质控评估 |
1. 原始数据质控评估 |
| 2. 数据过滤及统计 |
2. 数据过滤及统计 |
| 3. 基因组比对 |
3. 基因组比对 |
| 4. 覆盖度、测序深度统计 |
4. 覆盖度、测序深度统计 |
| 5. SNV/InDel 检测 |
5. SNV/InDel 检测 |
| 6. germline CNV 检测 |
6. germline CNV 检测 |
| 7. 变异结果注释 |
7.1 变异基因注释 |
| 7.2 变异人群数据库注释 |
| 7.3 变异疾病数据库注释 |
| 7.4 变异危害度预测 |
| 高级分析 - 分类 |
高级分析 - 项目 |
| 1. 基于全外显子组测序的 GWAS 分析（基于常见变异和罕见变异） |
1.1 CVAS（常见变异） |
| 1.2 RVAS（罕见变异） |
| 1.3 单基因突变分布图 |
| 1.4 Haploview 单倍型图 |
| 1.5 基因功能富集分析 |
| 2. 多个体肿瘤样本队列分析 |
2.1 Somatic SNV / InDel |
| 2.2 Somatic CNV / LOH |
| 2.3 MutSigCV 驱动预测 |
| 2.4 肿瘤突变特征分析 |
| 2.5 突变 Circos 可视化 |
| 2.6 单基因突变分布图 |
| 2.7 驱动基因数据库注释 |
| 2.8 CNV 的 GISTIC 分析 |
| 2.9 CNV 热图聚类分析 |
| 2.10 CNV 基因组频数图 |
| 3. 单个体多部位肿瘤克隆演化分析 |
3.1 Somatic SNV / InDel |
| 3.2 Somatic CNV / LOH |
| 3.3 突变 Circos 可视化 |
| 3.4 VAF 热图 |
| 3.5 进化树分析 |
| 3.6 肿瘤突变特征分析 |
| 3.7 驱动基因数据库注释 |
| 4. 其它分析 |
4.1 HLA 分型（胚系） |
| 4.2 微卫星不稳定性 |
| 4.3 肿瘤突变负荷（TMB） |
| 4.4 新抗原预测 |
| 5. 个性化分析 |
5. 个性化分析 |
【点击隐藏】
| 基础分析 - 分类 |
基础分析 - 项目 |
| 1. 原始数据质控评估 |
1. 原始数据质控评估 |
| 2. 数据过滤及统计 |
2. 数据过滤及统计 |
| 3. 基因组比对 |
3. 基因组比对 |
| 4. 覆盖度、测序深度统计 |
4. 覆盖度、测序深度统计 |
| 5. SNV/InDel 检测 |
5. SNV/InDel 检测 |
| 6. germline CNV 检测 |
6. germline CNV 检测 |
| 7. 变异结果注释 |
7.1 变异基因注释 |
| 7.2 变异人群数据库注释 |
| 7.3 变异疾病数据库注释 |
| 7.4 变异危害度预测 |
| 高级分析 - 分类 |
高级分析 - 项目 |
| 1. 基于全外显子组测序的 GWAS 分析（基于常见变异和罕见变异） |
1.1 CVAS（常见变异） |
| 1.2 RVAS（罕见变异） |
| 1.3 单基因突变分布图 |
| 1.4 Haploview 单倍型图 |
| 1.5 基因功能富集分析 |
| 2. 多个体肿瘤样本队列分析 |
2.1 Somatic SNV / InDel |
| 2.2 Somatic CNV / LOH |
| 2.3 MutSigCV 驱动预测 |
| 2.4 肿瘤突变特征分析 |
| 2.5 突变 Circos 可视化 |
| 2.6 单基因突变分布图 |
| 2.7 驱动基因数据库注释 |
| 2.8 CNV 的 GISTIC 分析 |
| 2.9 CNV 热图聚类分析 |
| 2.10 CNV 基因组频数图 |
| 3. 单个体多部位肿瘤克隆演化分析 |
3.1 Somatic SNV / InDel |
| 3.2 Somatic CNV / LOH |
| 3.3 突变 Circos 可视化 |
| 3.4 VAF 热图 |
| 3.5 进化树分析 |
| 3.6 肿瘤突变特征分析 |
| 3.7 驱动基因数据库注释 |
| 4. 其它分析 |
4.1 HLA 分型（胚系） |
| 4.2 微卫星不稳定性 |
| 4.3 肿瘤突变负荷（TMB） |
| 4.4 新抗原预测 |
| 5. 个性化分析 |
5. 个性化分析 |
【点击隐藏】
| 基础分析 - 分类 |
基础分析 - 项目 |
| 1. 原始数据质控评估 |
1. 原始数据质控评估 |
| 2. 数据过滤及统计 |
2. 数据过滤及统计 |
| 3. 基因组比对 |
3. 基因组比对 |
| 4. 覆盖度、测序深度统计 |
4. 覆盖度、测序深度统计 |
| 5.SNV/InDel 检测 |
5.SNV/InDel 检测 |
| 6. 样本 CNV 检测分析 |
6. 样本 CNV 检测分析 |
| 7. 样本 SV 检测分析 |
7. 样本 SV 检测分析 |
| 高级分析 - 分类 |
高级分析 - 项目 |
| 1. 基于全基因组测序的 GWAS 分析（基于常见变异和罕见变异） |
1.1 CVAS（常见变异） |
| 1.2 RVAS（罕见变异） |
| 1.3 单基因突变分布图 |
| 1.4 Haploview 单倍型图 |
| 1.5 基因功能富集分析 |
| 2. 多个体肿瘤样本队列分析 |
2.1 Somatic SNV / InDel |
| 2.2 Somatic CNV / LOH |
| 2.3 MutSigCV 驱动预测 |
| 2.4 肿瘤突变特征分析 |
| 2.5 突变 Circos 可视化 |
| 2.6 单基因突变分布图 |
| 2.7 驱动基因数据库注释 |
| 2.8 CNV 的 GISTIC 分析 |
| 2.9 CNV 热图聚类分析 |
| 2.10 CNV 基因组频数图 |
| 3. 单个体多部位肿瘤克隆演化分析 |
3.1 Somatic SNV / InDel |
| 3.2 Somatic CNV / LOH |
| 3.3 突变 Circos 可视化 |
| 3.4 VAF 热图 |
| 3.5 进化树分析 |
| 3.6 肿瘤突变特征分析 |
| 3.7 驱动基因数据库注释 |
| 4. 其它分析 |
4.1 HLA 分型（胚系） |
| 4.2 微卫星不稳定性 |
| 4.3 肿瘤突变负荷（TMB） |
| 4.4 新抗原预测 |
| 5. 个性化分析 |
5. 个性化分析 |
【点击隐藏】
| 基础分析 - 项目 |
| 1、原始数据质控评估 |
| 2、数据过滤及统计 |
| 3、基因组比对 |
| 4、覆盖度、测序深度统计 |
| 5、SNV/InDel 检测 |
| 高级分析 - 项目 |
| 1、基于 reads 比对的 SV 检测及注释 |
| 2、De novo 拼接及 reads 对拼接结果的比对 |
| 3、基于拼接结果与参考基因组比较的大片段的插入和缺失检测 |
| 4、基于拼接结果与参考基因组比较的大片段的插入和缺失结果注释 |
| 5、客户自定义分析 |
【点击隐藏】
| 基础分析 - 项目 |
| 1、原始数据质控评估 |
| 2、数据过滤及统计 |
| 3、基因组比对 |
| 4、覆盖度、测序深度统计 |
| 5、SNV/ InDel 检测 |
| 6、样本 CNV 检测分析 |
| 7、样本 SV 检测分析 |
【点击隐藏】
| 基础分析 - 项目 |
| 1、原始数据预处理 |
| 2、样本的 beta 值密度曲线 |
| 3、数据归一化（甲基化位点总表，含注释信息） |
| 4、差异甲基化位点（含注释信息） |
| 5、差异甲基化位点的染色体分布、热图、火山图 |
| 6、按基因注释分类得到差异甲基化区域（6 个） |
| 7、按 CpG 注释分类得到差异甲基化区域（5 个） |
| 8、差异甲基化区域基因统计图表 |
| 高级分析 - 项目 |
| 1、组内异质性小提琴图展示 |
| 2、T-sne 降维算法展示样本分组情况 |
| 3、散点图展示组间启动子区所有位点甲基化值 |
| 4、密度曲线图展示 TSS 区域高低甲基化位点的分布 |
| 5、特定基因 CG 位的点甲基化程度展示（柱状图，正负链信息） |
| 6、圈图展示不同样本甲基化程度（颜色 / 峰高）在所有染色体上的分布 |
| 7、所有基因在不同功能区域的甲基化程度走势图 |
| 8、特定信号通路基因的甲基化程度走势图 |
| 9、所有 CGI、shore、shelf 区域的甲基化程度走势图 |
| 10、特定基因的甲基化走势分析 |
| 11、热图形式展示 Methyl&RNA 的联合分析 |
| 12、散点图形式展示 Methyl&RNA 的联合分析 |
| 13、散点图展示某样本内所有基因的 MethylRNA 表达的整体相关性 |
| 14、散点图展示特定基因的 Methyl&RNA 的联合分析 |
| 15、基于甲基化数据的 K -means 聚类分析 |
| 16、基于甲基化数据的 WGCNA 分析 |
| 17、基于甲基化数据的 IPA 分析 |
【点击隐藏】
使用指南： 点击 【标题文字】 展开产品列表。
更多详情： 请您 “联系驻地销售经理” 或 “点击下方按钮咨询客服”
