- 客户服务系统CSS
- |
- |
-
-
基因组测序>
-
建库测序>
-
人类基因组测序>
-
动植物基因组测序>
-
微生物基因组测序>
-
-
转录调控测序>
-
表观组测序>
-
单细胞测序>
-
空间转录组>
-
基因分型>
-
质谱分析>
-
蛋白组学分析>
-
代谢组学分析>
-
免疫定量>
-
-
多组学联合分析>
1. 聚类分析（单样本/多样本）
-
利用Space Ranger和 Seruat 软件分别对spot 聚类分析，将spot聚类为不同cluster。
2. 筛选高变基因
-
Seurat 采用sctransform（SCT）算法对数据标准化处理，再通过vst
算法筛选出在整数据中表达变化最大的基因集，作为高度变异基因（high-variance genes，HVGs）
3. 差异表达分析
-
将各个cluster 鉴定到的top 差异基因利用热图展示。
4. 差异基因空间位置分布
5. 差异基因富集
-
对差异表达基因进行GO富集分析、KEGG 通路富集分析和Reactome富集分析。展示cluster富集热图、柱状图、散点图和网络连接图等结果。
6. spot 定义
-
Spot分群定义采用SingleR 和clustermole软件。SingleR 基于已知细胞类型的参考数据集，计算每个spot
与参考数据的相关系数（Spearman），选取评分较高的细胞类型的参考数据集，不断重复上述过程对细胞类型标签微调（fine-tuning），直到只有一种细胞类型为止。
Clustermole采用了GSVA 算法，计算细胞类型标记基因（markers）的GSVA 分值，选择分值较高的标签作为该spot 的细胞类型。
7. 轨迹分析
-
轨迹（trajectory）分析又叫拟时序（pseudotime）分析，在细胞重编程、组织发育及肿瘤进化等方面有广泛的应用。根据spot之间基因表达模式的相似性，沿着轨迹对spot排序，模拟spot内细胞动态变化的过程。诺禾致源采用monocle2
进行轨迹分析。
8. 受配体分析
-
生物体中，细胞与细胞之间不是独立存在的，通过
“信号”传输来进行“沟通”。细胞之间沟通的一种重要方式就是配体和受体的相互作用，因此通过已知的配受体对在spot间的表达来评估细胞间的交流，即细胞通讯。诺禾致源采用Cellphonedb
进行细胞通讯分析。
9. 拷贝数分析
-
拷贝数变异（copy number
variation）是肿瘤细胞的重要的特征。诺禾致源采用inferCNV软件分析spot的拷贝数，发现发生大片段的拷贝数变异的基因的spot。
10. 肿瘤特征分析
-
肿瘤在其发生发展中表现为不同的增殖、侵袭和转移能力，展现了肿瘤的异质性。对MSigDB
数据库收录的肿瘤特征富集分析，评估该特征或通路活性。利用GSVA 算法计算每个spot 的肿瘤特征（或通路）的分值，分析肿瘤特征分布的异质性和免疫微环境。
更多内容，可扫描侧边栏"一对一业务咨询"二维码添加科研服务经理咨询。
售后服务可联系侧边栏"在线客服"、电话400-6581585，或发送邮件至 service@novogene.com
Copyright@2011-2024 All Rights Reserved 版权所有：北京诺禾致源科技股份有限公司 京ICP备15007085号-1
