产品详情
文献和实验
相关推荐
生物医学数据处理中心依托强大的专业优势为您提供优质的数据分析服务，为客户节约科研成本、节省宝贵时间、加速科研进程，是客户值得信赖的合作伙伴。数据处理中心的主要业务包括：数据分析及数据处理服务、生物信息学服务、统计科研设计服务、数学建模服务以及统计软件培训服务等。数据处理中心可以协助客户依据数据分析结果，对相关的课题提出修改建议和设计意见，并总结经验，为客户提供贴心的专业服务。
生物医学数据处理中心的目标
★提供生物医学数据处理服务平台；
★提供著专业、高效的数据分析服务；
★提供专业的统计咨询服务。
本中心本着诚信及互助原则，利用自己的专业优势，为客户提供生物医学数据分析服务，具体程序环节包含：
1）数据的预处理（数据转换、分类、数据分布检验等）；
2）数据的模型构建（软件运行与检测、结果显著性检验等）；
3）数据模型的图形绘制与结果展示；
4）对该数据模型的结果提供详细的分析报告；
5）撰写文章数据处理的过程与方法部分（英文）；
6）为后期的实验研究开展，基于此模型提出合理化的建议；
生物医学数据处理--从数据到结论- 描述统计 （Descriptive statistics）
- 指标差异检测 （Difference Testing）
- 回归模型 （Regression modeling）
- 存活与预后分析 （Survival analysis）
- 多变量分析（Multivariate analysis）
- 非典型分析（Non-typical analysis test）
- 因子分析（Factor analysis）
- 聚类分析（Cluster analysis）
- 主成分分析（Principal component analysis）
- 非参数检验（Nonparametric test）
- 剂量反应分析（Dose response analysis）
基于统计学的科研设计服务
- 动物实验设计（Animal experiment design）
- 临床试验设计（Clinical trial design）
- 药物代谢与动力学实验（Drug Metabolism and Kinetics design）
- 社区干扰试验（Community interference test）
生物信息学服务
基因组学相关分析
1) 序列拼接，BAC及中小基因组组装；
2) 序列比对，同源性搜索；
3) 多序列全局比对，同源进化树构建；
4) EST的基因组定位，可变剪切形式确定；
5) Promoters预测与查找，CpG岛，调控元件等；
6) 重复序列注释：SSR,STR,LINE,SINE,Transposons等；
7) 基因预测及基因结构分析：真核，原核，mRNA/cDNA编码区预测；
8) Non-Coding RNA的预测与注释：
tRNA预测及二级结构分析、rRNA预测
MiRNA预测及结合靶点预测
siRNA预测及甲基化位点预测
9) 分子进化相关分析：分歧年代、进化树、进化压力（Ka,Ks）；
10) EST序列/一般序列分析
序列基本分析：去除载体，污染，聚类，拼接
表达谱分析：特异表达基因，共调控基因
Unigene的功能注释及分类
基于EST的SNP分析
11) 基因的功能注释及分类
NCBI非冗余核酸库（NT）
NCBI非冗余蛋白库（NR）
SwissProt蛋白数据库
Kegg Pathway数据库
COG/KOG蛋白家族数据库
Interpro&GO蛋白功能位点
结构域（domain）数据库
蛋白质组学相关分析
1）蛋白的抗原表位分析
2) 蛋白二级/三级结构预测
3）蛋白质亲/疏水性、等电点分析
4）跨膜蛋白、信号肽等性质分析和相似性分析
Microarray/Biochio生物芯片数据分析
1) 对基因芯片的表达谱数据进行预处理与归一化分析；
2) 使用多种统计方法筛选具有显著性差异表达的基因；
3) 对差异表达基因数据进行多种聚类分析，并给出树状图；
4) 结合基因GO分类(gene ontology)、信号转导数据库（KEGG），进行相关路径分析、差异表达基因的功能分类、所属信号通路分类等。
1. 何为生存分析？
生存分析（survival analysis）是将事件的结果（终点事件）和出现结果经历的时间结合起来分析的一种统计分析方法。
2. 生存分析的目的
描述生存过程：估计不同时间的总体生存率，计算中位生存期，绘制生存函数曲线。统计方法包括Kaplan-Meier（K-M）法、寿命表法。
比较：比较不同处理组的生存率，如比较不同疗法治疗脑瘤的生存率，以了解哪种治疗方案较优。统计方法log-rank检验等。
影响因素分析：研究某个或某些因素对生存率或生存时间的影响作用。如为改善脑瘤病人的预后，应了解影响病人预后的主要因素，包括病人的年龄、性别、病程、肿瘤分期、治疗方案等。统计方法cox比例风险回归模型等。
预测：建立cox回归预测模型。
寿命表过程（Life Table）
Life tables 过程用于（小样本和大样本资料）：估计某生存时间的生存率，以及中位生存时间。绘制各种曲线：如生存函数、风险函数曲线等。对某一研究因素不同水平的生存时间分布的比较。控制另一个因素后对研究因素不同水平的生存时间分布的比较。对多组生存时间分布进行两两比较。（比较总体生存时间分布采用wilcoxon检验）
生存分析(Survival Analysis)菜单:
单变量的生存预后分析——Kaplan-Meier 过程
Kaplan-Meier过程用于(尤其小样本资料）：
- 估计各生存时间的生存率以及中位生存时间。
- 绘制各种曲线：如生存函数、风险函数曲线等。
- 比较某研究因素不同水平的生存时间有无差异。
- 控制某个分层因素后对研究因素不同水平的生存时间分布进行比较。
- 对多组生存时间分布进行两两比较。
SPSS具体的操作过程：
一．建立数据文件
二．操作过程
主菜单：分析Analyze生存SurvivalKaplan-Meier
对话框参数设置：
1.时间time框：选入“t”。
2.状态status框：选入“status”，击define events 钮，在single value框填入“1”。
3.因子factor框：选入“group”。
4.单击选项option按钮，弹出对话框：
1）统计量：√生存分析表，系统默认。
√均值和中位生存时间，系统默认。
2）图： √生存函数
5.单击比较因子Compare Factor按钮，弹出对话框：
1）检验统计量Test Statistics：都用于检验时间分布是否相同。
√对数秩Log-rank：各时间点的权重一样。
Breslow：按各时间点的观察例数赋权。
Tarone-Ware：按各时间点观察例数的平方根赋权。
2）Linear trend for factor levels:分组因素水平间的线性趋势检验。
Pooled over strata:水平间的整体比较。系统默认。
For each stratum:按分层变量，对每一层进行分组因素各水平间的整体比较。
Pairwise over strata:分组因素各水平间的两两比较。
Pairwise for each stratum:按分层变量，对每一层进行分组因素各水平间的两两比较。
6. 单击Save按钮，弹出保存新变量Save new variables 对话框：
Survial:累积生存率估计。
Standard error of survival:累积生存率估计的标准误。
Harzard:；累积风险函数估计。
Cumulative events:终结事件的累积频数。在各水平内，按照生存时间和生存状态排序。
多因素的临床预后分析——Cox回归过程
1. 多个因素对生存时间的影响作用分析和比较
2. 生存（或死亡）风险预测
具体操作方法：
一、建立数据文件
二、操作过程
主菜单：分析Analyze生存SurvivalCox Regression
主对话框参数设置：
1.时间time框：选入“t ”。
2.状态status框：选入“y ”，击define events 钮，在single value框填入“1”
3.协变量Covariates框：选入“x1~x6”。
4.方法Method框：选择自变量进入Cox模型的方法，SPSS提供以下7种方法。
Enter:Covariates框内的全部变量均进入回归模型。
Forward:Conditional: 基于条件参数估计的向前法。
Forward:LR:基于偏最大似然估计的向前法。
Forward:Wald:基于Wald统计量的向前法。
Backward:Conditional: 基于条件参数估计的后退法。
Backward:LR:基于偏最大似然估计的后退法。
Backward:Wald:基于Wald统计量的后退法。
北京泱深生物信息技术有限公司
电话：010-68169950 13520784977 18001305720
网址：www.yshenbioinfo.com
电邮：biodata@preintell.com biodata@yshenbioinfo.com
丁香通展台：http://www.biomart.cn/yshenbioinfo/index.htm
地址：北京市海淀区苏州街1号绿创大厦057
