mRNA分析方案
分析目的
首先提取总RNA进行表达谱的solexa 实验，并对实验得出来的差异基因进行进一步的分析，如：聚类分析，GO 分类，Pathway 分析，IF 分析，Data-driven Network 分析及Knowledge-driven Network 分析等。
分析方案
一、差异基因注释及层次聚类
依据不同的分组，筛选出差异基因，然后对所有差异基因首先进行功能注释，对于未知功能的基因进行同源比对。表达值首先经过对数转换，作为层次聚类算法的输入。对三组样品进行层次聚类分析。
二、GO 分析
对差异表达的所有基因向gene ontology 数据库的各节点映射。计算每个节点的基因数目，并结合整个数据库的基因作为背景分部，对于每个节点，得到一个2x2 的表格，使用超几何分布检验基因在每个GO 节点的富集或贫乏程度。
三、Pathway 分析
与GO 分析类似，我们同样将差异基因使用GenMAPP v2.1 向KEGG pathway 和BioCarta 数据库映射。通过统计方案，找到统计上zei有意义的pathway。
四、Knowledge-driven Network 分析
通过整合PubMed text mining，同源预测，基因neighbor，蛋白-蛋白相互作用，基因融合等数据，建立一个all differentially expressed genes in a single plot 的调控网络。这是一种已有知识驱动的网络构建。
五. Data-driven Network分析
对差异基因进行Co-expression基因调控网络的构建。采用贝叶斯方法，通过对表达数据进行机器学习，来构建差异基因之间的动态网络。这是一种数据驱动的网络构建，可以发现一些新的调控关系。
六、转录因子分析
利用相关的转录因子（TF）数据库，将差异基因的启动子(基因第一个外显子上游1000bp)提取出来。我们使用HsPD 提供的启动子序列。转录因子数据库使用TRANSFAC 7.0 public。转录因子结合位点预测使用pwmatch 程序,对每个转录因子分析其在上调基因和下调基因的分布情况，利用chi-square test 寻找有差异的转录因子。
鸟枪法solexa数据分析服务内容
适用于将mRNA随机打碎后进行solexa测序的实验。
分析方案
一、Exon-junction方法分析可变剪切
我们建立Exon-junction序列数据库。利用比对分析，可以鉴定出新的可变剪切现象。
二、转录本定量
利用单位长度内tag的密度可以准确估计不同转录本的表达量。即：
Reads per KB per million reads (RPKM), using the formula:
R = 109C/NL
三、新转录本挖掘
通过建立基因间序列数据库，我们可以寻找新的转录本。
四、非编码RNA分析
我们对新的转录本进行编码区预测，没有显著编码区的基因被认为是非编码RNA，可以对其进行实验验证。
五、常规GO, pathway分析
1、GO分析
对差异表达的所有基因向gene ontology 数据库的各节点映射。计算每个节点的基因数目，并结合整个数据库的基因作为背景分部，对于每个节点，得到一个2x2 的表格，使用超几何分布检验基因在每个GO 节点的富集或贫乏程度。
2、pathway分析
与GO 分析类似，我们同样将差异基因使用GenMAPP v2.1 向KEGG pathway 和BioCarta 数据库映射。通过统计方案，找到统计上zei有意义的pathway。
产品描述
