甲基化数据库，什么是肿瘤甲基化基因检测
大家好，甲基化数据库相信很多的网友都不是很明白，包括什么是肿瘤甲基化基因检测也是一样，不过没有关系，接下来就来为大家分享关于甲基化数据库和什么是肿瘤甲基化基因检测的一些知识点，大家可以关注收藏，免得下次来找不到哦，下面我们开始吧！
基因芯片数据分析与处理的目录
第一章概述1
第一节分子生物学技术及基因、基因组
科学发展历史简介1
第二节基因芯片技术简介3
一、基因芯片的基本概念4
二、基因芯片技术的产生和发展4
三、基因芯片的应用领域6
第三节生物信息学与基因芯片的数据
挖掘7
一、生物信息学的兴起7
二、基因芯片的数据挖掘8
参考文献9
第二章微阵列基因芯片实验技术11
第一节基因芯片的价值和分类11
一、基因芯片的价值11
二、基因芯片的分类12
第二节基片的制备15
一、基片的类型和性质15
二、玻璃基片表面的修饰方法17
第三节点样探针的制备18
一、cDNA探针的制备19
二、基因组DNA探针19
三、寡核苷酸探针19
四、独特的PM?MM探针设计20
第四节基因芯片点样22
一、芯片点样仪和点样方式22
二、点样后处理27
三、基因芯片的质量标准28
第五节原位合成及纳米结构的基因芯片
制备28
一、原位合成法制作基因芯片28
二、纳米结构的基因芯片制备31
第六节表达谱基因芯片的检测方法34
一、样本选择、处理和RNA的分离35
二、mRNA样本标记35
三、芯片杂交38
参考文献39
第三章统计学基础41
第一节统计学的基本概念41
一、总体与样本41
二、资料的统计描述42
三、随机变量、概率与分布43
四、统计量45
第二节假设检验46
一、假设检验的基本原理46
二、假设检验的步骤47
三、假设检验的基本方法47
第三节方差分析54
一、完全随机设计资料的方差分析54
二、随机区组设计资料的方差分析55
三、多个样本均数间的多重比较57
第四节聚类分析与判别分析简介57
一、聚类分析58
二、判别分析59
参考文献61
第四章实验设计62
第一节样品配对模式62
一、基因芯片实验的分类62
二、样品配对方案概述64
三、样品配对模式的选择66
第二节样品的重复及合并69
一、实验误差的来源及重复样品的使用69
二、样品重复数量的确定70
三、样品合并70
第三节总结72
参考文献72
第五章基因芯片图像的采集和处理74
第一节基因芯片图像的采集74
一、激光共聚焦扫描仪74
二、CCD扫描仪78
三、扫描仪的技术指标79
第二节基因芯片图像的处理81
一、划格83
二、分割84
三、信息提取87
四、质量评估88
第三节一些芯片扫描仪和芯片图像处理
软件的介绍88
一、激光共聚焦扫描仪90
二、激光非共聚焦扫描仪91
三、CCD基因芯片检测仪92
参考文献96
第六章数据的预处理和归一化98
第一节数据的预处理98
一、背景的校正98
二、弱信号的处理99
三、数据的对数转换101
四、重复数据的合并102
五、缺失数据的处理103
第二节数据的归一化104
一、cDNA芯片数据的归一化105
二、Affymix芯片数据的归一化115
参考文献118
第七章差异表达基因分析120
第一节差异表达基因的挑选120
一、倍数法120
二、Z值法121
三、重复实验的判别方法121
四、其他方法124
五、总结125
第二节研究差异表达基因的意义126
一、在基因组研究中的作用126
二、在药物研究中的作用127
三、在医学基础研究中的作用129
参考文献131
第八章芯片数据的可靠性分析133
第一节数据的评价133
一、差异表达基因的可靠性133
二、芯片数据重复性评价139
第二节误差来源分析142
一、生物学差异来源142
二、实验系统误差144
第三节基因芯片的质控体系149
一、直接点样的基因芯片的质控体系149
二、Affymetrix的寡核苷酸芯片质控
体系及其产品质量评估151
第四节信号线性扩增技术及其评估154
一、信号线性扩增技术154
二、信号扩增方法的可靠性评价154
参考文献161
第九章聚类分析和可视化162
第一节相似性（或距离）的度量162
一、欧氏距离162
二、马氏距离163
三、Chebychev距离164
四、Mahalanobis距离164
五、Minkowski距离164
六、平均点积164
七、向量间的角度165
八、协方差165
九、Pearson相关距离165
十、Spearman秩相关166
十一、互信息166
十二、Kendall?s Tau167
第二节聚类算法167
一、系统聚类168
二、分割聚类172
第三节二维聚类177
一、耦联二维聚类177
二、区组聚类177
第四节主成分、SVD和基因修剪178
一、主成分178
二、奇异值分解178
三、基因修剪179
参考文献179
第十章微阵列实验中的分类方法181
第一节概述182
一、利用基因表达谱数据进行生物样本
分类183
二、分类的背景183
三、基因表达谱数据184
第二节不同分类方法的概述184
一、分类及统计决策论184
二、费歇线性判别分析186
三、线性判别和二次判别分析186
四、线性判别分析的扩展188
五、最近邻分类器188
六、决策树190
七、BP神经网络分类法194
八、支持向量机197
九、Parzen窗204
第三节分类中的一般问题205
一、特征选取205
二、标准化和距离函数206
三、缺失值填充207
四、多分类问题208
第四节性能评价209
一、偏差、方差和误差率209
二、再置换估计210
三、倍数交叉验证法210
四、解靴带估计210
第五节实例分析211
一、基因表达谱数据211
二、数据预处理212
三、支持向量机软件应用213
参考文献216
第十一章微阵列技术的标准化218
第一节MIAME规则218
一、MIAME规则的具体内容219
二、MIAME表单221
三、MIAME的目前与将来222
第二节Affimetrix芯片系统与MIAME
规则223
一、遵循MIAME规则224
二、Affimetrix实验的MIAME表单225
三、Affimetrix的RNA抽提、清洗、
标记和杂交规范225
参考文献227
第十二章基因芯片数据的基因注释和
功能分析228
第一节单一基因的注释228
一、一般的注释228
二、关于疾病的信息233
三、蛋白质家族的信息234
第二节转录因子调节的分析235
一、Transfac数据库236
二、转录因子研究中的统计学检验238
第三节Gene Ontology数据库中基因
功能分类的分析240
一、Gene Ontology数据库240
二、GO数据库相关分析的工具241
第四节生物学通路和生物学相互作用的
分析243
一、生物学通路中的基因分析244
二、生物学网络中的基因分析249
三、基因芯片数据中使用者自己定义的
基因集的分析250
参考文献251
第十三章系统生物学及基因调控
网络252
第一节系统生物学简介252
第二节基因转录调控网络的构成253
一、基因转录过程简介253
二、研究转录因子及其调控基因的实验
方法254
三、基因调控网络与图形254
第三节用高斯图形模型推导基因调控
网络257
第四节贝叶斯网络模型在基因芯片
数据中的应用259
一、贝叶斯网络简介259
二、学习贝叶斯网络261
三、贝叶斯网络方法在基因芯片数据
方面的应用262
第五节从时间序列数据中推导基因调控
网络266
一、基因调控网络模型的“事件模型”266
二、关于基因调控网络的“动态
概率模型”268
第六节通过基因扰动来推导基因调控
网络的反义工程方法270
第七节结论271
参考文献272
第十四章基因芯片技术的应用——
从基因筛选到临床诊断274
第一节基因表达谱研究与临床肿瘤学274
一、确定肿瘤亚型275
二、识别肿瘤的组织来源276
三、预后分析276
四、存在问题277
第二节微矩阵芯片和遗传多态性278
一、单核苷酸多态性简介278
二、基因多态性与疾病易感性279
三、基因多态性作为遗传标记的应用279
四、基因多态性与个性化用药280
五、基因多态性和基因芯片检测技术281
第三节微矩阵和基因拷贝数变化282
一、cDNA阵列CGH283
二、基因组阵列CGH283
第四节微矩阵和感染性疾病284
一、微生物的鉴定和分型285
二、耐药性研究286
三、致病机理研究287
第五节微矩阵芯片的其他应用288
一、微矩阵芯片和DNA甲基化分析288
二、转录因子结合位点分布290
三、展望291
参考文献292
第十五章主要数据分析软件的介绍295
第一节分析软件在基因芯片技术中的
地位295
第二节主要图像和数据处理软件296
一、基因芯片图像分析软件
GenePix Pro296
二、Affymetrix GCOS系统297
三、Cluster和TreeView程序298
四、GeneSpring300
五、SpotFire DecisionSuite300
六、SAM和PAM302
七、R平台及生物导体303
八、MATLAB生物信息工具箱304
第三节基因表达谱公共数据库304
一、NCBI?Gene Expression Omnibus
(GEO)基因表达数据专用库304
二、EBI ArrayExpress和SMD307
三、微阵列数据库的建立和管理307
第四节基因注释数据库的访问308
一、斯坦福大学SMD/SOURCE309
二、UCSC基因组浏览器309
三、mySQL客户310
参考文献311
第十六章展望312
第一节后基因组研究的趋势——系统
生物学312
一、系统生物学的启动312
二、系统生物学的发展趋势313
第二节后基因组应用研究发展的
趋势——基因组医学314
第三节基因芯片技术在系统生物学和
基因组医学中的地位316
一、基因芯片及数据挖掘在基础研究中
的地位316
二、基因芯片技术在基因组医学分子
诊断中的应用趋势316
参考文献318
什么是肿瘤甲基化基因检测
现有应用于临床的肿瘤基因甲基化检测，是由德国EIP公司研发的一项基于基因靶点是否出现甲基化表达变化的技术，主要用于肿瘤超早期筛查，在欧洲多家医疗机构进行试验后，获得了欧盟CE认证。德国EIP与美国博尔诚公司共同开发了对结直肠癌、胃癌、肝癌、食管癌、肺癌等恶性肿瘤的检测试剂，在美国MD安德森癌症中心进行临床试验，获得了美国FDA认证。该项技术于2016年被列入了美国疾病预防工作委员会（USPSTF）的筛查项目指南中，作为美国40岁以上人群的常规癌症超早期筛查项目之一。
肿瘤基因检测如何选择一家好的肿瘤基因检测，请参考以下：
1.选择基因检测机构的资质完善和实力强的机构
基因检测的阵地就是实验室，必须要获得国家相关部门的认可，或者国际实验室资质认可。就像医学类院校的学生要当临床医生首先要有医师执业证，一家合格的基因检测公司要接收患者的组织样本出具报告，首先要具备CAP与CLIA双认证，被视为临床检测行业内金标准，也是最基本的门槛。
2.考察机构的数据分析及报告解读能力
整个流程中，最关键的环节是数据分析，需要庞大的数据库及的分析团队，包括分子生物学专家、病理医生，肿瘤医生、生物信息学专家、免疫学专家等通力合作，针对你的每一个突变位点掘地三百尺，查阅文献，相似病历，为你找到最匹配的治疗药物，和前沿药物临床试验，才能为癌症患者出一份精准的基因检测报告。很多晚期无路可走的患者，甚至通过基因检测报告推荐的临床试验获得了生机。
想要了解更多有关基因检测的相关信息，推荐咨询海普洛斯。海普洛斯是肿瘤液体活检和基因大数据国家高新技术企业。在基因测序、液体活检、生物信息和大数据等领域具有独创技术和核心优势，以科技创新造福人类，致力于成为全球领先的生命科技公司。海普洛斯CUBE-ctDNA测序技术，能够准确找到血液中的超微量肿瘤DNA，分辨率可以低至万分之五，让肿瘤君无所遁形。【●没病有必要做基因检测吗？过来人有话说......】
国际著名的三大蛋白质数据库
国际著名的三大蛋白质数据库有UniProt数据库、The Human Protein Atlas数据库、PhosphoSitePlus数据库。
1、UniProt数据库
蛋白组学常用数据库UniProt（全称UniProt Protein Resource），建立于1986年，由Swiss-Protein、TrEMBL、PIR-PSD三大蛋白质数据库联合成立的，其信息量丰富、资源广泛，是目前公认的首选免费蛋白质数据库。
2、The Human Protein Atlas数据库
The Human Protein Atlas内含近30000种人类蛋白质的组织和细胞分布信息，并提供免费查询。
瑞典Knut&Alice Wallenberg基金会利用免疫组化技术，检查每一种蛋白质在人类48种正常组织，20种肿瘤组织，47个细胞系和12种血液细胞内的分布和表达，其结果用至少576张免疫组化染色图表示，并经专业人员校对和标引，保证染色结果具有充分的代表性。
3、PhosphoSitePlus数据库
PhosphoSitePlus数据库是一个由CST和NIH联合开发的免费资源数据库，总结归纳了海量通过科学研究发现的蛋白修饰位点，包括磷酸化、甲基化、乙酰化、泛素化等，并且包括一些CST公司发现但未发表的蛋白修饰位点。
该数据库是动态的、开放的、高度互动并持续更新的。它有助于研究PTMs在正常和病理细胞/组织中的作用，同时它也是发现新的疾病标志物和药物靶点的有力工具。
性能及历史
蛋白质数据库（HPDB），建于2005年5月，动态展示生物大分子立体结构，鼠标点击放大分子结构、原子定位、测定原子之间距离，可用于教学或科研。服务对象是能够熟练使用中文的生命科学、医学、药学、农学、林学等领域的大中专学生、教师及科技工作者。
分子结构特征描述采用汉语，同时提供英文原文以供考证。对于善于使用英文的读者，我们提倡直接访问RCSB PDB，一来可以减少网络拥挤，二来可以减少由于HPDB的翻译不妥带来的不便。
蛋白质数据库（HPDB）对每个蛋白质分子结构说明部分做了中文翻译（最新加入数据库的分子除外），内容包括分子结构定性描述、样品的来源、表达载体、宿主、化学分析方法、分子结构组成成分等。这些信息并同蛋白质分子结构数据存储于数据库，因此HPDB支持中文查询。
蛋白质数据库（HPDB）虽然翻译了“分子结构说明”部分，但为了保证数据的可靠性和准确性，HPDB对一级结构序列及大分子结构坐标数据等未做任何改动，数据库保持RCSB PDB核实后的原始实验数据文件，并保持PDB文件格式和蛋白质分子编号。
depmap数据库使用方法
一、查询基因并下载相关数据
Step 1直接在网站检索框输入检索内容，如“TP53”，输入完之后，就可以得到 TP53这个基因在所有数据当中的情况。其中就包括这个基因在全基因组 CRISPR当中的情况，基本的分析结构，基因突变和拷贝数变化情况等等。
Step 2可以在扰动效应( Perturbation Effects)查看 TP53在基因组 CRISPR当中的重要性。gene effect越越提示该基因可能与细胞的生长相关，得分0位不相关，而-1的得分对应于所有常见必需基因的中值。
Step 3而在特征(Characterization)则可以观察 TP53在不同的细胞系当中的各个组学的情况。如表达数据，拷贝数变异，甲基化等，点击某一个特征可以下载该基因在本特征中表达的数据情况。
Step 4 predictability可以预测两个特征之间的相关性。
二、查看和筛选细胞系
Step 1 Cell Line Selector来选择目标细胞系。
Step 2在这里定义好之后，后续的分析都可以对目标细胞系进行特殊的可视化，如果没有，则点击 Creat custom list来进行细胞系定义，并可以根据表头的信息进行筛选。默认的界面包括了细胞系名称以及细胞系所属组织。我们可以在右侧添加其他信息来进行筛选。例如我们想要筛选具有 MSI的细胞。就可以添加一个细胞系的 MSI特征的列。然后通过筛选功能，就可以得到 MSI的细胞系是哪些了。
三、数据探索两个特征相关性
Step 1点击“ data explorer”
Step 2选择X Y轴的项目，右边可以展示两者相关性。
Step 3选择项目-名称-数据库即可开始plot图，可以下载表达数据。
关于甲基化数据库的内容到此结束，希望对大家有所帮助。