文末可领取免费科研入门教学资源
生物信息学在解读基因组、转录组和蛋白质组等高通量数据,挖掘和整合现有数据库数据等方面发挥着越来越重要的作用 。
目前,生物信息学已广泛应用于癌症、胃肠道疾病、中枢神经系统疾病、代谢性疾病、内分泌疾病和罕见病等不同类型疾病的研究。
生物信息学 6 个基础分析
(1)数据下载和预处理
(2)筛选疾病相关差异表达分子
(3)基因注释与功能分类
(4)构建分子互作网络
(5)从差异表达分子中筛选关键基因
(6)分析关键基因与临床特征的关联
以上是最基础的生信分析,刚接触生信分析的小伙伴可以从这几个分析入手。
我能不能做生信?生信难吗?
为了让大家更方便学习这几个基础分析,以下为大家分享一些常用的生信分析工具。
常用的基因表达数据库
GEO(/)
该数据库包含世界各地研究机构提交的高通量基因表达数据。已发表论文中的基因表达检测数据可通过 GEO 数据库查询。
随着数据库的普及,它已经扩展到包括其他高通量数据,如甲基化、染色质结构、基因组-蛋白质相互作用等。
GENEIOUS(/)
是一款综合性生物信息学软件,用于分析和处理生物信息学数据,支持序列比对和系统学分析、引物设计、克隆和限制性分析、使用 NCBI 和 EMBL、BLAST、蛋白质结构查看、自动化医学搜索等功能。
实用统计方法和技巧
点击进入专题学习
展开全文
差异表达分析工具
GEO2R(/)
该工具可用于 GEO 数据库中表达谱芯片的进一步差异分析,可将 GEO 系列数据中的两组或多组样本进行比较,获得差异表达基因。
检索框内输入想要进行分析的芯片序列号,便可以获得火山图、表达密度图、样本分位数图、平均方差趋势图等等。
DAVID、KOBAS 与 GOplot()
在差异基因表达分析中,在获得显著差异基因后,需要分析这些基因参与哪些功能。
常见的有 GO 功能注释和 KEGG 通路富集分析。这里推荐使用在线分析工具 DAVID 与 KOBAS 进行 KEGG 通路富集分析,使用 GOplot 绘制高颜值的 GO 分析图。
想知道有哪些好用的生信分析工具?
以上分享的一些在线分析工具可能不足以进行进一步的研究,在这种情况下,将需要其他软件,包括: R、Python 和 Mother。这些软件具有广泛的功能,可以进行各种信息分析。
R 语言可用于信息分析的统计语言。主要用于结构化数据、生物信息学数据和其他数值数据的分析。
Python 也可以用于生物分析。广泛的库和工具可用于执行各种不同类型的信息分析。
Mothur 是一个强大的生物信息学分析包,用于 16S/18S rRNA 和扩增子序列分析。可以进行关键的生物信息学分析。
当然,对于想学习生物信息学的同学来讲,以上内容只是简略介绍。
接下来看看还有哪些值得学习的知识吧!
想看更多实验方法、论文写作指导
扫码进入丁香实验小程序
本文作者:Karwai
排版:fs
配图来源:丁香实验设计团队