如何讓我們更方便的進行自主化分析操作,如何在海量的數據中挖掘我們需要的有用信息,百邁客雲將帶領大家進入科技服務2.0時代,一個有效進行大數據挖掘的時代!
今天給大家介紹的是百邁客雲如何使全基因組關聯分析(Genome-wide association study-GWAS)走向雲端。便捷的可視化操作界面,讓GWAS站在雲端,看的更遠!
豐富多樣的GWAS關聯分析模型,總有一款屬於您!在GWAS關聯分析模型中,GLM和MLM是常用的兩種分析模型,但是,針對大數據量項目(運算慢)或者群體結構複雜(影響關聯結果)的自然群體材料,選擇一種合適的分析模型會給我們帶來更快、更可靠的關聯結果,在百邁客雲平臺上,您就可以自主選擇合適的分析模型來進行關聯分析,下圖1為展示界面。
圖1 GWAS關聯分析-模型選擇
在做完GWAS關聯分析後,我們通常會得到大量的SNP關聯位點,如果我們對關聯分析結果中每一個顯著關聯的SNP位點做LD Block分析,費事費力卻又不一定有好的效果,一般情況下,我們可以先通過查閱相關研究文獻,確定部分相關SNP位點後,針對相關SNP位點進行LD Block分析,就像下圖2展示的一樣,我們選擇相應的性狀以及分析模型後,再選擇我們想要分析的SNP位點,並輸入分析範圍,如此操作就可以讓我們更加自主的去尋找性狀相關的單體型Block,是不是覺得簡便快捷呢?
圖2 GWAS關聯分析-LD Block
在GWAS研究中我們有時會遇到一些異常的結果,比如關聯不到位點或者關聯到太多位點的情況,這與我們設置閾值範圍及注釋區間大小有一定的關係,在百邁客雲平臺上,我們可以通過調整閾值及注釋區間大小,來幫助我們獲得更可靠的關聯信息,如下圖3所示。
圖3 GWAS關聯分析-閾值調整
做完前面的關聯分析之後,重點就是如何去驗證關聯分析的結果,哪些功能基因最有可能與關注的性狀相關,哪些是還沒有研究過的,這些問題是不是讓您頭疼呢?那麼幫手來了,百邁客雲目前正在進行對研究過的功能基因進行資料庫的積累和整合,以此來協助我們進行後期數據挖掘,例如對於上面GWAS分析定位到的功能基因,只要通過下圖4所示的一鍵輸入,便可得到其同源基因在其它物種中的研究情況,如此操作便可以讓您有選擇的去做後期功能基因的驗證。
圖4 GWAS關聯分析-候選基因篩選
題外話,以後在百邁客進行的GWAS項目,您不必再花費時間與客服溝通進展情況(異常情況除外),在百邁客雲上,您就可以通過雲帳號,在「我的項目」中同步跟進項目,獲得最新進展,縮短溝通時間,如下圖5。
圖5 GWAS項目-進展跟進
這樣的GWAS分析是不是您一直所期待的呢?這也是百邁客群體事業部一直努力的方向,希望本次推出的GWAS研究雲上操作與數據深度挖掘能為您排憂解難,期待與您一起進入功能基因定位的新時代!