生物信息学解决方案

新闻摘要:生物信息学解决方案近50年来,随着实验生物学的迅猛发展, 尤其是DNA 测序技术日趋成熟, 测序速度和长度的大幅度提高, 实施基因组计划已经具备了必需的实验手段。20 年来, 科学家完成了包括人类自身在内的约60 种生物的全基因组测序, 产生了大量的数据信息。

  生物信息学解决方案近50年来,随着实验生物学的迅猛发展, 尤其是DNA 测序技术日趋成熟, 测序速度和长度的大幅度提高, 实施基因组计划已经具备了必需的实验手段。20 年来, 科学家完成了包括人类自身在内的约60 种生物的全基因组测序, 产生了大量的数据信息。生物学数据的积累并不仅仅表现在DNA 序列数据方面, 与其同步的还有蛋白质一级结构数据, 即氨基酸序列数据的增长。此外, 迄今为止, 已有一万多种蛋白质的空间结构以不同的分辨精度被测定。而这种增长速度本身也在加速。当科学家面对如潮水般涌来的数据时, 数据的处理和分析就成了科学发现的主要“限速步骤”。数据的收集、分析和应用之间的巨大反差, 迫使全世界主要的研究机构全力转向对生物信息学技术的开发和研究。生物信息学的诞生和发展是应时所需, 是历史的必然, 它已经悄然渗透到生物科学的每一个角落, 以至于人们在意识到它的存在之前就已经离不开它了!

  作为专业的生物学家,您是否会遇到这样的困难 --没有时间去亲自分析您的实验数据? --没有相关数学背景知识来选择合适的算法或模型处理您的实验数据? --没有时间查阅大量的文献或知识库来理解您的分析结果? --不确信您的分析结果是否可信?即是否基于可靠的信息或可靠的分析方法? 如果您致力于生命科学领域的研究,又遇到以上任何一个问题,那么Ingenuity分析服务将会是您良好的选择!


IPA 具有的众多应用可以帮您挖掘
组学数据中有价值的信息


生物标志物发现
鉴定实验数据集中最具潜力和最相关的生物候选物


生物标志物发现
IPA-Biomarkers IPA中用以寻找实验数据中和研究目的最可信且最相关的候选生物标志物。
       -基于关键生物学效应来筛选候选生物标志物分子。
       -阐明可能的标志物与特定疾病或感兴趣的生物功能间的作用机制。
       -在多组生物标志物列表之间进行比较分析,找出某种疾病状态下独有的或者所有状态下通用的候选生物标志物。
       -理解病人群体间分子的差异。
       -IPA-Biomarker: 根据基因产物能否成为候选生物标志物的特性对数据集中的基因和蛋白进行排名。
       -Biomarker Filter:评估某个特定基因或蛋白是否能在诊断用的组织(如血液,外周血细胞等)或尿液及其他体液中能被检出。提供丰富选项以供寻找标志物的课题进行研究最相关分子的筛选。
       -Pathway tools:阐释潜在标志物与目标疾病或生物功能间作用的机制。
       -Biomarker Comparison:产生某一特定状态独有或所有状态下通用的后续生物标志物列表。

 

Biomarker 过滤界面

 

Biomarker 过滤结果

Biomarker 比较界面和结果


My Pathways
使用“My Pathways”工具在后续标志物中寻找其与目标疾病或生物功能间作用的机制。

My Pathways


Biomarker Comparison
使用“Biomarker Comparison”功能产生某一特定状态独有或所有状态下通用的后续生物标志物列表。


代谢组学
将您的代谢组学数据与Ingenuity  Knowledge Base中丰富的通路和过程信息关联


代谢组学
IPA-Metabolomics 可以利用IPKB中丰富的通路和生物功能信息帮助您分析代谢组学数据。
IPA整合转录组学、蛋白质组学、代谢组学数据,使用完整的系统生物学分析策略来帮助您克服代谢组学数据难以分析的难题。


特点和功能
     
-从您的代谢组数据中获取关键的细胞生理和代谢相关信息 
      -代谢通路: 在相关代谢通路中分析代谢组数据
      -疾病和生物学功能中的代谢过程: 理解您代谢物所参与的生物学和表型过程
      -搜索并可视化代谢信息: 搜索、寻找并可视化代谢物相关的信息,如酶调节或代谢合成途径
      -整合代谢组学数据:与蛋白质组学和转录组学数据进行整合,从而找到显著失调的通路、新颖的标志物和代谢过程调节子


不管您是否有代谢物数据,都能使用IPA丰富的信息去了解代谢物的信息:
      -代谢物由哪种物质合成的,由哪种物质调控的
      -该代谢物参与的通路是什么
      -和代谢物相关的毒理学和药理学研究文献
      -PubChem, CAS, 和其它同义名称对应信息
      -使用IPA的通路构建工具来可视化以上各种相互作用关系并构建代谢物为中心的通路
      -整合转录组学、蛋白质组学和代谢组学数据进行完整的系统生物学分析,从而进行标志物发现、分子毒理学和作用机制研究
      -鉴定多组实验平台中发生显著失调的通路、生物学功能和生化反应
      -将基因组学、蛋白质组学数据与代谢数据结合分析寻找新颖的生物标志物


MicroRNA 研究
鉴定microRNA  研究中生物性最相关的靶点。


IPA MicroRNA Target Filter—鉴定出生物学上最相关的靶向分子
MicroRNA Target Filter
microRNA 研究是一个快速发展的领域,它需要依赖各种测试技术以及预测算法来鉴定靶向分子。该领域普遍的一个挑战就是鉴定最具有生物相关性的靶向分子。IPA新的microRNA Target Filter功能能够优化通过实验验证或者预测得到的靶向分子。

 


IPA中microRNA的工作流程
       上传、分析、优化、过滤、可视化microRNA-mRNA 数据及其之间的关系,这些都可以在一个工具中完成。你可以将microRNA和mRNA数据与其他组学数据或者其他高通量的数据结合,从而获得全面化的综合性的生物分析。在microRNA研究中,IPA可以增强您有关亚细胞定位,功能基因家族,药物,通路,疾病等相关知识。


Highlights
      利用来自TarBase, miRecords中实验验证的microRNA-mRNA相互作用,以及来自TargetScan中预测的microRNA-mRNA相互作用,IPA中的microRNA Target Filter功能可以洞察microRNAs的生物学作用。另外,IPA包含了来自同行审查文献中大量有关microRNA的发现。
      通过检测microRNA-mRNA配对,探索相关的生物背景,根据相关的生物信息以及表达信息筛选,IPA可以更准确,快捷,便利的鉴定出mRNA靶向分子。利用生物背景的功能是IPA解决目前microRNA数据分析面临的固有复杂性这一挑战的关键。


利用IPA,您可以轻松的解决以下问题:
      -哪个microRNA被预测可以靶向某个给定的mRNA?这种预测的质量如何?
      -根据实验数据,哪些microRNA具有调控作用,从而支持靶向分子的预测?
      -哪些microRNA参与了某个相关疾病,亚细胞定位或者通路?
      -特定的mRNAs与microRNAs之间如何相互作用,它们的下游分子是什么?
      -哪些microRNAs的上调或下调与实验数据中观察到的基因表达相关?
      -microRNA表达的变化对细胞过程,通路,疾病以及表型的可能影响是什么?


功能
MicroRNA 内容:
       -TargetScan content: 利用预测的microRNA–mRNA结合关系(来自TargetScan,并且根据可信度高低进行划分),鉴定microRNA作用的mRNA靶标。(IPA预测哺乳动物的microRNAs靶标。利用TargetScan算法,寻找和每个microRNA种子区域相匹配的保守的8个核苷酸和7个核苷酸位点对靶标进行预测。)
       -TarBase content: 利用miRBase标识以及来自TarBase的信息,鉴定实验中证明的microRNA/mRNA。
      -miRecords: 来自~550篇发表的论文,实验验证的人源,大鼠,小鼠的microRNA-mRNA的相互作用。
      -IngenuityKnowledge Base: Ingenuity科学家根据发表的文献,人工对成千上万microRNA相关的发现进行编译。

 


在IPA中,利用Ingenuity Knowledge Base中的microRNA信息,寻找mRNA靶标,疾病状态,synonyms,调控子,生物标志物,表达等。(上面的例子是Entrez GenemiR-106的Gene View,它是miR-17家族中的一员。MicroRNA IDs来自miRBase,预测的关系来自TargetScan。)


MicroRNA Target 筛选


       -根据来源、可信度水平、作用或者是否出现在种群,疾病,组织,通路,细胞系,分子中等条件,优化和过滤microRNA-mRNA关系列表。
       -利用microRNA Target Filter可以将microRNA数据与网络以及通路进行匹配,在网络中添加分子,并且比较来自不同实验观察中的分子。您可以很快地看到microRNA是如何影响来自Ingenuity KnowledgeBase中的信号和代谢途径的,或者您也可以快速地看到,利用IPA搜索和探索功能,您实验中的基因是如何支持提出的假说的。
      -检测microRNA-mRNA配对,探索mRNAs相关的生物学信息。

 


      没有其他的工具可以让您一步就完成鉴定,过滤,优化microRNA-mRNA相互关系。上面,MicroRNA Target Filter已经根据分子类型或者通路优化了microRNA-mRNA相互关系。


蛋白质组学
帮助您回答设计蛋白组学实验时遇到的生物学问题

 
蛋白组学
大规模的蛋白质组学实验的结果数据分析通常是一项挑战。典型的蛋白质组学软件帮助研究者处理原始数据但是通常无法解答实验设计时提出的生物学问题。如:
       -鉴定到的蛋白质可能参与了哪些生物学通路的调控?
       -哪些蛋白质之间存在直接或间接的相互作用?
       -发生表达差异的蛋白质可能是由哪些上游调控因素所影响的?
       -鉴定到的差异蛋白质在生物体中会怎样影响生物过程的变化或调控疾病过程?
       -已知蛋白质的翻译后修饰会产生怎样的生物学效应?


      IPA能够帮助您快速且自信的回答这些问题,并能够给予您更多的信息。您还可以直接比较来自于一组样本的蛋白质组学鉴定结果间的差异。

 


毒理基因组学
提供候选化合物毒性和安全性评估


毒理基因组学
IPA-Tox 是IPA专门用于分析毒理学和候选化合物安全性评估的模块


IPA-Tox支持:
       -分析工作流程:基因表达,芯片,qPCR ,蛋白组,代谢组的数据分析
       -IPA-Tox揭示与毒性相关的分子,细胞,和生化水平的生物机制来帮助你快速的可信的识别有毒化合物和早期的发现过程,以及建立预测毒理学数据库。
       -虽然用于数据分析,所有IPA-Tox内容也可以通过搜索和信息采集工作流程,使研究人员能够从文学和额外的toxicogenomics数据(蛋白质含量、代谢物水平)中审查来源于临床前化验的证据。


IPA-Tox 功能
       -帮助通知相关决策先导化合物的优化
       -有效地提供详细的机械假设底层tox-specific表型
       -包含通路内容和分子-表型的联系加快toxicogenomics解释数据和生成来自毒性研究的总结发现
       -使多学科毒理学组建立toxicogenomics数据库
       -通过完全集成IPA生物标记功能,提供快速洞察候选的特定组织生物标记物
       -向非专业用户提供专业的毒理学数据解释
       -使用传统的毒理学方法可能无法揭示的新的分子假说
       -提供证据来支持或反对来自临床前毒性分析的假设
       -允许方便地访问重要的来自科学文献的发现,包括与毒性有关的信息,肾毒性、肝毒性。


转录组学
IPA 可以帮助您分析几乎所有的转录组学相关的问题和应用


转录组学
      现在许多生物医学研究者已经发现研究细胞和组织的基因表达谱能够帮助他们从系统生物学的层面上了解他们所要研究的生物学问题。IPA在他们的研究流程中起到举足轻重的地位,因为它能够处理转录组表达谱数据(生物学系统中RNA层面上基因定量变化)并将转录层面的变化简化成哪些基因导致了细胞里发生了哪些变化或者可能发生哪些变化。IPA能够处理各种平台产生的数据。它能够处理任何能够分析并输出基因、转录本或蛋白质表达量变化的工具比如microarray,next generation sequencing(比如RNA-Seq)或qPCR平台。IPA能够分析几乎任何转录组相关的问题,比如:
       探索性试验 不像从特定假设出发的研究,探索性试验首先评估是否有感兴趣的基因、分子过程或生物通路在实验中发生了失调,从而产生可以进行以后续验证研究的假设。比如,在某个转移癌vs.原位癌的研究中,是否有某些基因产物的相互作用网络发生了失调?是否有可能新药或已知药物的介入点?
       基因调控 比如,数据集中基因表达模式的变化是由哪些转录因子或上游调节子如microRNA或激酶可能激活或抑制所调控的?了解可能的上游调节子能够提供细胞内部在实验中到底发生了哪些变化的有力证据。
       疾病分类 多基因表达谱信息能够为疾病的精确诊断提供更好的区分能力。这些疾病信号经过验证后能够用于临床标志物或诊断物。进一步的,这些信号的分子组成能够提供某些特定疾病内在特征并能够帮助开发并测试可能的治疗方法。
       药物重定位 药物通常是针对一种或特定种类的疾病开发的,同时需要投入数百万的研发费用来确保它的有效性和人体中的安全性。有时候在这些药物上市后会发现它们新的疗效,不但有利于病人的治疗也有利于药物生产厂家。在不同疾病中研究已认可的药物治疗后的基因表达谱可以找到这些药物的新的治疗应用。
       毒理基因组学 毒理基因组学结合传统毒理学方法和转录组学(以及蛋白质组学和代谢组学)来揭示毒性研究中的分子机理,并寻找能够预测毒性作用或基因敏感性的分子标志物。
       药物靶标发现 病理学状态下激活的基因是否的确是该状态下的上游转录因子或者被上游转录因子所激活,这些信息可以用于治疗用的靶基因寻找。
       标志物发 转录组实验可以找到监视疾病发展过程或治疗疗效的分子标志物,从而区分可能在某些治疗方法下受益或有潜在危害的病人群体。


因果网络分析
帮助您建立更全面的调控网络,便于您更好的了解基因数据背后的生物学意义。


因果网络分析
      Casual Network Analysis(因果网络分析)* 帮助我们生成能够用于解释数据集中的基因表达变化的调控网络。这些预测得到的上游调节子控制了一系列小的分层网络的信号传递,而其中预测的分子并不都来自于或和实验数据集中分子有直接关联。是否和某种疾病、某种功能、某些重要的分子有关联都被用来计算是否和假设模型有紧密的关联性。
       IPA能够帮助您发现候选的上游可能导致您研究数据集中的分子发生变化的基因、RNA或蛋白质。IPA从您的表达数据中寻找可能的调控网络来解释可能得信号级联传递机制。
1.在简单点击后即能图形化展示您用于打分计算的疾病和功能模型,从而理解主调节子对相关疾病功能的影响,并能找到支持这些关联的文献:

 


快速查看是否有已知疾病或功能预测被该主调节子所调控的网络所激活或抑制 在这个例子中,主调节子MYOCD被预测为激活了生物功能 “differentiation of cardiomyocytes”


2.通过允许插入最多三级传递的分子或功能来连接假设与打分条件强化了预测的能力:

 


      对离主调节子有三个节点距离的预测结果进行相关性打分  在这个例子中,NR6A1被预测为通过三级信号关联 (NR6A1、MYOG、ifi204、differentiation of cardiomyocytes) 最终增强了“differentiation of cardiomyocytes”功能的活性。
      快速筛选和您的实验设计或研究领域最相关的生物学假设。比如,如果您想找到会促进某疾病的上游主调节子,那么筛选方法如下图所示。这样就能过滤出已知的作为上游调节因子,且会促进该疾病发展的所有调节因子。同样的,如果您想找到可能用于治疗或抑制某疾病的化合物,您可以筛选“inhibited compounds”。IPA会过滤出所有z-score打分为负数的“increases upstream” (IU)的化合物结果。

 


过滤和数据集或研究领域相关的作用类型 在本例中,该表格的过滤窗口展示了过滤主调节子的和increase “differentiation of cardiomyocytes”间的关联。
 *该功能须在基本版之上额外支付费用使用


【责任编辑:(Top) 返回页面顶端
Copyright 2008 - 2014 Shuasc.com All Right Reserved. | 备案许可证: 沪ICP备11020704.
友情链接:开心情色站  亚洲电影男人天堂  我要色色  韩国三级片  国产a片  韩国三级-香港三级-日本三级-三级片成人影片网站  欧美群交-欧美av电影-欧美a级片-欧美做爰视频免费播放  不卡的无码高清的av  先锋资源  日韩AV高清在线看片  俺也去网站  青青草a免费线观a  台湾佬中文娱乐网  大奶子  国产a片  操你啦影院  米奇网站  a片毛片免费观看  第一福利视频草莓  欧美人  欧美视频毛片在线播放  老鸭窝成人av在线视频大香蕉  免费韩国成人影片  免费在线观看的黄片  韩国三级片-免费韩国成人影片-香港经典三级-韩国三级片大全在线观看  直接观看黄网站免费  亚洲电影男人天堂  香港三级  一级a做爰片  亚洲ts贴图