生物信息学分析
简介：
在大分子方面的概念型的生物学，并且使用了信息学的技术，这包括了从应用数学、计算机科学以及统计学等学科衍生而来各种方法，并以此在大尺度上来理解和组织与生物大分子相关的信息。
技术优势：
1. 不仅有结果而且有结论
结果：基于研究的实验数据或者公共数据，快速的进行数据挖掘和统计分析，获得准确的结果。而且一定会有结果。
结论：针对项目的研究目的进行深入挖掘，获得最相关的研究结论，用于文章发表或者下游实验验证。
2. 报告易懂，可读性强
不是自动化的生信标准分析报告，而是人工手动编辑报告。给出和研究目的对应结果以及结果的解读，更容易理解。
3. 报告方法部分可直接成文
我们的报告内容十分详细，方法部分有分析软件、步骤、方法，可直接翻译成文。
4. 图、表可直接使用
高级分析获得的图、表是基于分析目的获得的，而且格式满足SCI的要求，可以直接放到英文文章里。
5. 分析思路新颖，逻辑性强，提高整体项目质量，增加文章的发表分值
生信相关的软件、工具、数据库非常丰富，如果加以结合利用，使数据的利用率大大提高！高级分析获得的结果能大大提高文章的影响因子，甚至可以发表纯生信分析的文章（不做实验验证）。
6. 实验加生信可以大大提高实验成功率
生信分析可以基于高通量的数据进行准确的符合逻辑的进行趋势分析，缩小研究范围，给出精确的研究内容，尤其是涉及到基因组、转录组、蛋白组等分子层面的实验。
服务范围：
表达谱数据基础分析
表达谱多芯片整合分析
单细胞转录组测序数据分析
TCGA数据库甲基化和基因表达谱整合分析报告
TCGA数据库中疾病mRNA+IncRNA分析报告
基于IncRNA测序的疾病机制研究分析
基于LCMS技术的代谢组分析
疾病发展进程的芯片数据分析1
sRNA预测与功能分析以及蛋白预测分析
宏基因组与宏转录组整合分析报告
应用场景：
生物信息学在医学领域应用范畴广泛，如：药物开发利用、小分子药物筛选、筛选防治靶点、致病机制探讨、医学数据挖掘、构建医学数据库等。
应用意义：
丰富的数据资源和生物软件工具帮助预测疾病相关的潜在基因，以及该基因潜在的作用靶点、上游调控转录因子等，从而指导实验方向、缩小试验范围、简化试验流程。
数据库：NCBI,EBI, DDBJ, PDB, SWISS-PROT等；
软件工具：Cytoscape，BLAST, R语言，String, David等