单细胞组合标签转录组测序技术

单细胞组合标签转录组技术(3CB-seq) 无需昂贵，复杂的微流控设备。

查看更多 +

单细胞测序服务

查看更多 +

空间转录组测序分析

查看更多 +

DNA/RNA二代测序数据分析

查看更多 +

公共数据挖掘分析

查看更多 +

单细胞测序分析

单细胞测序数据分析包括细胞亚群聚类和定义，差异和富集分析，以及细胞间变化轨迹和相互作用分析等等。进一步结合组织切片技术，还原单细胞在组织中的空间位置。在单细胞水平精准地研究基因表达，细胞功能，以及细胞间相互关系。从而有效地研究生物的生长发育和病变的机理。

查看更多 +

空间转录组分析

单细胞转录组测序技术可以从时间维度上解析细胞类型和基因表达模式，但无法还原到具体的空间位置，导致对细胞功能的探究还不是特别精确。而空间转录组学可以记录细胞间关联关系、细胞微环境信息、样本细胞构成状态和病理状态，以进行组织内空间异质性的深层次挖掘，为研究和诊断提供思路。

查看更多 +

公共数据挖掘

尽可能利用公共数据资源，例如公开发表的文章和数据，TCGA，GEO。这些数据库中除了DNA变异和复制，mRNA，甲基化，还包含着丰富的的疾病和临床数据等。可以通过差异筛选、功能富集、靶基因预测、网络分析、生存分析、分子标志物分析等多种生物信息学分析，为客户研究疾病的发生发展机制提供理论基础。

查看更多 +

DNA/RNA二代测序数据分析

包括ChIPseq, RNAseq, ATACseq, HiC, 甲基化芯片分析、全基因组测序分析、全外显子组测序分析, 以及单细胞测序等等。将这些常规的生物信息学分析标准化、模块化，并且整合多重数据，从而发现内在的生物学意义。

查看更多 +

基因动态分析

根据样本的基因和临床信息（例如癌症分期，时间动态变化，空间动态变化等），筛选出与之相关的特征基因，从而将特定分子基因集合特定临床表型联系起来，作为临床诊断和预后标志物提供依据。

查看更多 +

标志物分析

通过分析比较肿瘤和正常样本的基因信息差异（表达、甲基化等），使用机器学习(machine learning)的方法建立预测模型，来发现早期诊断标志物。

查看更多 +