癌症基因组学中心

致癌基因组学

生物信息学服务

关于

我们的生物信息学部门旨在为研究人员提供先进的生物信息学服务。beplay苹果手机能用吗我们提供最先进的基因组技术，全面和专业的服务以及多级专业培训，使这些服务更有效地为您的基本和转化研究。beplay苹果手机能用吗此外，我们还提供研究设计，赠款提案开发和后期分析咨询的咨询。该团队与100多名调查员合作，共同撰写了许多出版物（例如自然医学，癌症发现，血液），并帮助获得了超过1亿美元的资金。

生物信息学服务

  • NGS数据分析（WGS，WES，MicroRNA，CHIP-SEQ，单细胞RNA-Seq数据，甲基化等）
  • 阵列数据分析包括GWAS，CNV和甲基化数据
  • 先进的生物信息学服务，包括基因集富集分析（基因本体论，途径等），网络分析，疾病关联分析，功能基因组学分析，结果解释，机器学习和应用，数据库，药物遗传学和药物基因组学数据分析等。

其他服务：

  • 研究设计咨询
  • 赠款提案的开发
  • NGS生物信息学培训

参考：Ding等。Hum Mol Genet 2010，10：R188 – R196


选定出版物：

疾病研究的NGS：

  1. Dahlman KB，Xia J，Hutchinson K，Ng C，Hucks D，Jia P，Atefi M，Su Z，Branch S，Lyle P，Hicks D，Hicks D，Bozon V，Glaspy J，Glaspy J，Netterville JL，Vnencak-Jones C，Vnencak-Jones C，Sosman C，Sosman c，Sosman J***，Ribas A*，Zhao Z*，Pao W*（2012）黑色素瘤中BRAF L597突变与对MEK抑制剂的敏感性有关。癌症发现2（9）：791-797 [封面页] [WGS这是给予的
  2. Jia P，Jin H，Meador CB，Xia J，Ohashi K，Liu L，Pirazzoli V，Dahlman KB，Politi K，Michor F，Zhao Z*，Pao W*（2013）下一代对配对的酪氨酸激酶抑制剂 -敏感和耐药的EGFR突变肺癌细胞系鉴定了与耐药性相关的DNA变化的光谱。基因组研究23beplay苹果手机能用吗：1434-1445 [问题的封面图像/艺术品] [WGS，WES，RNA-SEQ]
  3. Xia J，Jia P，Hutchinson KE，Dahlman KB，Johnson D，Sosman J，Pao W，Zhao Z*（2014年）（2014年）对241个黑色素瘤的下一代测序的体细胞突变的荟萃分析：研究基因研究的路线图具有潜在的临床相关性。分子癌治疗剂，13（7）：1918-28 [WES，WGS]
  4. Lovly CM，McDonald NT，Chen H，Ortiz-Cuaran S，Heukamp LC，Yan Y，Florin A，Ozreti？L，Lim D，Wang L，Chen Z，Chen X，Lu P，Paik PK，Shen R，Jin H，Jin H，Buettner R，AnsénS，Perner S，Brockmann M，Bos M，Bos M，Bos M，Wolf J，Gardizi M，Gardizi M，Wright GM，GM，GM，GM，所罗门·B，罗素PA，罗杰斯TM，苏哈拉Y，红啤酒M，Tieu R，de Stanchina E，Wang Q，Zhao Z，Johnson DH，Horn L，Wong KK，Wong KK，Thomas RK，Ladanyi M，Ladanyi M，Pao W（2014）在ALK融合阳性肺癌中共同靶向IGF-1R和ALK的基本原理。自然医学20（9）：1027-34 [WGS]
  5. Zhao Z，Xu J，Chen J，Kim S，Reimers M，Bacanu SA，Yu H，Liu C，Sun J，Wang Q，Jia P，Jia P，Xu F，Zhang Y，Kendler KS，Peng Z，Peng Z，Chen X（2015）转录组测序和全基因组的关联分析揭示了精神分裂症和躁郁症中的溶酶体功能和肌动蛋白细胞骨架重塑。分子精神病学，20（5）：563-572 [RNA-SEQ]
  6. Thomas LR，Wang Q，Dey S，Howard GC，Ess K，Grieb B，Eischen C，Lorey S，Foshage A，Fesik S，Zhao Z，Clark T，Tansey TP，Tansey TP（2015）与WDR5与WDR5的相互作用，促进目标基因识别和肿瘤，肿瘤识别和肿瘤。由Myc。分子细胞，58（3）：440-452 [chip-seq]
  7. McGirt LY，Jia P，Baerenwald DA，Dahlman K，ZIC JA，Zwerner JP，Hucks D，Dave U，Zhao Z，Eischen CM（2015）整个基因组分析揭示了真菌性Fungoides的致癌改变。血液126（4）：508-519 [WGS-SEQ]
  8. Cogan J，Loyd JE，Zhao Z，Gaskill C，Jetter C，Kropski JA，Majka SM，Austin ED（2016）特发性肺动脉高压中的关键基因组网络和血管反应变体。《美国呼吸道医学杂志》（AJRCCM）194（4）：464-75 [WES]
  9. Huang Y，Wang J，Jia P，Li X，Pei G，Wang C，Fang X，Zhao Z，Cai Z，Yi X，Wu S，Wu S，Zhang B（2019）克隆体系结构可预测透明细胞肾细胞癌中的临床结果。自然通讯10（1）：1245 [WGS]
  10. Gallant JN，Sewell A，Almodovar K，Wang Q，Dahlman KB，Abramson RG，Kapp ME，Brown BT，Boyd KL，Gilbert J，Cohen DN，Cohen DN，Yarbrough wg*，Zhao Z*，Zhao Z*，Lovly CM*（2019）基因组景观转移性恶性增生的毛毛虫肿瘤及其对PI3K抑制作用的反应。自然精度肿瘤学3：5 [WGS]


NGS技术，方法和工具出版物：

  1. Jia P，Li F，Xia J，Chen H，Ji H，Pao W，Zhao Z*（2012）从下一代测序数据中的变体检测中的共识规则。PLOS ONE7（5）：E38470
  2. Wang Q，Jia P，Zhao Z*（2013）病毒式：通过下一代测序数据在宿主基因组中有效，准确检测病毒及其整合位点的软件。PLOS ONE8（5）：E64465
  3. Zhao M，Wang Q，Wang Q，Jia P，Zhao Z*（2013）使用下一代测序数据的拷贝数变化（CNV）检测的计算工具：功能和观点。BMC生物信息学14（补充11）：S1
  4. Wang Q，Jia P，Li F，Hucks D，Dahlman K，Ji H，Chen H，Pao W，Zhao Z*（2013）检测癌症基因组测序数据中的体细胞突变数据：突变调用者的比较。基因组医学5:91
  5. Jia P，Zhao Z*（2014）Varwalker：来自下一代测序数据的推定癌症基因的个性化突变网络分析。PLOS计算生物学10（2）：E1003460
  6. Jia P，Wang Q，Chen Q，Hutchinson K，Pao W，Zhao Z*（2014）MSEA：通过突变集富集分析对突变热点的检测和定量。基因组生物学15：489
  7. Wang Q，Jia P，Zhao Z*（2015）经文：一种通过参考基因组定制在宿主基因组中检测病毒整合的新方法。基因组医学7：2
  8. O’Brien TD, Jia P, Xia J, Saxena U, Jin H, Vuong H, Kim P, Wang Q, Aryee MJ, Mino-Kenudson M, Engelman JA, Le L, Iafrate AJ, Heist RS, Pao W, Zhao Z* (2015) Inconsistency and features of single nucleotide variants detected in whole exome sequencing versus transcriptome sequencing: A case study in lung cancer.方法，83：118-127
  9. Cao Y，Zhu J，Jia P，Zhao Z*（2017）ScrnaseQDB：RNA-Seq在人类单细胞中基因表达分析的数据库。[[Biorxiv，104810]，基因8、368;doi：10.3390/genes8120368
  10. Eraslan G，Simon LM，Mircea M，Mueller NS，Theis FJ（2019）使用Deep Count AutoCododer进行单细胞RNA-SEQ DENOSISGISN。自然通讯2019，10（1）：390。
Baidu