| 组学数据分析 | 基因组 | 全基因组 |
外显子组 |
指定区域测序 |
转录组 | RNA测序 |
Mcro-RNA/noncodingRNA/cRNA数据 |
表观遗传组 | 甲基化/Chip-seq |
蛋白组 | 蛋白质谱数据 |
代谢组 | 质谱、色谱数据 |
宏基因组 | 肠道微生物测序 |
芯片数据分析 | SNP芯片 | |
表达谱芯片 | |
miRNA芯片 | |
甲基化芯片 | |
测序数据分析 | 各类测序数据 | |
分子网络构建 | 基因相互作用网络构建 | |
基因间共表达网络 | |
基因网络模块分析 | |
分子修饰分析 | |
其他分子网络分析 | |
数据库挖掘 | 疾病数据挖掘与重分析 | |
GWAS分析 | |
META分析 | |
数据库构建 | |
系统生物学研究 | 生物序列中的统计模式识别 | |
蛋白质结构信息与生物功能 | |
组学数据整合、分析和软件 | |
重要生物网络的重建与分析 | |
复杂疾病的多因素研究 | |
个性化生物信息分析 | 根据客户要求定制分析方案 | |
Pathway crosstalk | |
DCGL差异共表达分析 | |
加权基因共表达网络构建(weighted gene co-expression network, WGCNA) | |
miRNA靶基因分析 | |
转录调控网络分析 | |
蛋白质互相网络分析 | |
软件开发 | 疾病诊断靶点软件 | |
测序、芯片分析软件 | |
二级分析软件研发 | |
临床数据分析软件 | |
算法还原 | | |
算法开发 | | |
靶点开发 | 寻找与肿瘤新生抗原疾病预防、诊断、ZL、预后相关的靶点(突变、CNV、修饰、RNA、蛋白、小分子等) | 肿瘤致病靶点挖掘分析(新型突变、DNA结构变异、CNV、mRNA、小RNA、lnc/circleRNA、蛋白etc),基于基因组学数据,确定靶点、构建复杂网络关系、建立临床表征关联 |
其他疾病致病靶点挖掘分析 |
肿瘤新生抗原寻找 | | 肿瘤新生抗原(neoatigen)发现与分析 |
肿瘤新生抗原-多肽/抗体对接分析 |
药物发现与设计 | | DNA突变或结构变异后蛋白结构三维重构与结构域分析 |
小分子化合物(药物)-靶蛋白分子对接分析 计算机辅助药物筛选/设计(基于NGS、蛋白组数据)中药复杂化合物筛选与药理作用网络构建 |
中药FF机理研究 |
生物信息培训 | 高通量测序技术 | |
不同类型高通量测序技术在医学领域中的应用 | |
转录组测序数据在疾病研究中的应用 | |
芯片数据和测序数据类型及其应用 | |
公共数据库GEO、SRA、ExpressAtlas的介绍和使用 | |
数据分析实战:差异表达基因分析、DAVID使用、String数据库的使用、Cytoscape使用 | |
R语言、PERL语言培训 | |
如何构建疾病研究数理模型 | |
临床新型诊疗模型 | 临床新型诊疗模型 | 临床统计学分析 | 临床试验设计、cox回归、logistical回归、风险模型、机器学习等 |
建临床诊疗靶点panel及相关专利开发 | 机器学习算法构建临床诊疗靶点panel及相关专利开发 |
统计学 | 一般数据分析 | 统计咨询 | 提供分析思路 |
数据整理 | 让数据符合分析要求,能直接导入分析软件 |
描述性统计分析,差异统计 | T检验,ANOVA,卡方检验,秩和检验等 |
重复测量方差分析、多因素方差分析 | |
单变量和多变量回归分析 | 线性或Logistic回归,必要时需要结合临床意义或审稿人要求进行分析 |
生存分析:K-M法、Cox回归、寿命表 | |
诊断性试验分析:ROC曲线 | |
进阶分析 | 各类专业图表制作 | |
多变量与主成分分析 | |
机器学习和分类 | |
回归及聚类分析 | |
临床实验设计与数据分析 | |
网状meta分析 | |
统计学培训 | 临床数据分析常用统计方法 | |
如何更合理的设计临床实验方案 | |
系统评价与Meta分析 | |
R语言在统计学中的应用 | |
RevMan简介 | |
Stata应用 | |