直播內(nèi)容安排

更多課程上新中，敬請(qǐng)期待！！！

小福利~

每場(chǎng)直播中或直播后會(huì)抽取3名幸運(yùn)聽眾好禮相送，以下獎(jiǎng)品任選一項(xiàng)，即時(shí)生效：

• 轉(zhuǎn)錄組任意一款A(yù)PP次賬號(hào)
• 微生物多樣性APP次賬號(hào)
• 百邁客1W云豆

每周二下午13:30與您相約百邁客云，助您數(shù)據(jù)挖掘！

本活動(dòng)解釋權(quán)歸百邁客生物科技有限公司所有

新的一年，百邁客生物為了讓生物科研者更好的解讀基因、助力科研，在新春到來(lái)之際特舉行“恭賀新春、幸運(yùn)抽獎(jiǎng)”活動(dòng)。

活動(dòng)詳情如下：

即日起至2021年2月28日

一等獎(jiǎng)：3000元項(xiàng)目代金券——100名

二等獎(jiǎng)：1000元項(xiàng)目代金券——200名

三等獎(jiǎng)：500元項(xiàng)目代金券——300名

四等獎(jiǎng)：精美紀(jì)念禮品一份——400名

微信掃一掃參與抽獎(jiǎng)

進(jìn)入上方活動(dòng)頁(yè)面，獲取個(gè)人專屬海報(bào)后，分享給5個(gè)好友參與抽獎(jiǎng)活動(dòng)，即可獲贈(zèng)百邁客云課堂無(wú)門檻1000元培訓(xùn)課程抵用券，免費(fèi)在線學(xué)習(xí)300+培訓(xùn)課程。

部分課程：

查看更多課程>>

活動(dòng)規(guī)則

1、每個(gè)用戶限1次抽獎(jiǎng)機(jī)會(huì)。

2、代金券滿3萬(wàn)可用，不與其他優(yōu)惠活動(dòng)同享，有效期至3月31日，中獎(jiǎng)后代金券會(huì)自動(dòng)存入微信“我—卡包—券和禮品卡”中，請(qǐng)您在有效期內(nèi)聯(lián)系我們及時(shí)使用，所有代金券不得兌換現(xiàn)金，不設(shè)找零，僅可抵用一次。

3、紀(jì)念品將在活動(dòng)結(jié)束后工作人員將與您取得聯(lián)系，溝通派送事宜。

本活動(dòng)最終解釋權(quán)歸北京百邁客生物科技有限公司所有

會(huì)員卡2：任選6個(gè)生信課程，7000元/年/人

會(huì)員卡3：任選10個(gè)生信課程，10000元/年/人

會(huì)員卡4：任選13個(gè)生信課程，12000元/年/人

會(huì)員權(quán)益

1、免費(fèi)視頻包：百邁客云課堂現(xiàn)有價(jià)值近6千的收費(fèi)課程免費(fèi)看（除以上生信課程外）

2、免費(fèi)直播課程：所選課程對(duì)應(yīng)1年的直播觀看權(quán)限，觀看直播不限次。

3、免費(fèi)線下活動(dòng)：免費(fèi)參加線下會(huì)員活動(dòng)機(jī)會(huì)，會(huì)員活動(dòng)每年至少一次，活動(dòng)不僅有專家、有美食、有美酒同時(shí)還有美景與技術(shù)牛

4、會(huì)員卡3、4另贈(zèng)送百邁客第八屆全國(guó)功能基因組學(xué)峰會(huì)門票（峰會(huì)為>500人會(huì)議，現(xiàn)已舉辦7屆，每屆均有院士大牛參加，收獲絕對(duì)多）

5、收費(fèi)工具免費(fèi)用：生信課程中同樣分析可選擇代碼或在線工具實(shí)現(xiàn)，其中收費(fèi)在線工具可有3個(gè)月免費(fèi)使用權(quán)

6、購(gòu)課折扣（超過(guò)會(huì)員卡內(nèi)的課程，每增加一個(gè)可享7折優(yōu)惠）

7、所有會(huì)員卡需在購(gòu)買后1月內(nèi)選擇課程。

會(huì)員卡1、2所選的課程需在3個(gè)月內(nèi)兌換開通；

會(huì)員卡3、4所選課程在購(gòu)買后6個(gè)月內(nèi)兌換開通。

注：1、所有課程有效期從開通之時(shí)開始計(jì)算。2、所選課程有未上線的，可在上線后2個(gè)月內(nèi)選擇開通。若上線課程在兌換開通時(shí)間內(nèi)，則此條無(wú)效。

8、課程視頻有效期一年

9、所有套餐僅限購(gòu)買本人參加

注：表中直播時(shí)間為已確定的直播月份，后期會(huì)根據(jù)實(shí)際情況再次追加直播場(chǎng)次。

購(gòu)買以上任意一個(gè)生信課程，均可享受課程一年視頻觀看及參加一次課程直播權(quán)限。購(gòu)買百邁客試劑盒滿5000元，可贈(zèng)送生信單課程一個(gè)

套餐選課推薦

1、生信入門基礎(chǔ)課:零基礎(chǔ)R語(yǔ)言繪圖+生信入門課程（可組合：轉(zhuǎn)錄組數(shù)據(jù)挖掘+代謝蛋白生信課程）
2、基因組類課程：比較基因組學(xué)+基因家族分析課程（可組合：零基礎(chǔ)R語(yǔ)言繪圖+生信入門+GWAS+遺傳進(jìn)化+重測(cè)序分析課程）
3、群體類課程：GWAS+遺傳進(jìn)化課程+重測(cè)序分析課程（可組合：零基礎(chǔ)R語(yǔ)言繪圖+生信入門+比較基因組+基因家族分析課程）
4、轉(zhuǎn)錄調(diào)控類課程：轉(zhuǎn)錄組數(shù)據(jù)挖掘+代謝蛋白組學(xué)+ATAC分析課程（可組合：零基礎(chǔ)R語(yǔ)言繪圖+生信入門）
5、微生物多樣性課程：微生物多樣性生信分析課程+微生物數(shù)據(jù)挖掘課程（可組合：零基礎(chǔ)R語(yǔ)言繪圖+生信入門）

具體課程介紹

一、零基礎(chǔ)R語(yǔ)言繪圖課程

本課程主要是用R代碼來(lái)介紹方法的實(shí)現(xiàn)，實(shí)操性強(qiáng)。同時(shí)，本次課程會(huì)系統(tǒng)性對(duì)R語(yǔ)言基礎(chǔ)進(jìn)行講解，讓大家對(duì)R語(yǔ)言形成一個(gè)整體的思路?，F(xiàn)在開源的R代碼很多，了解了基礎(chǔ)構(gòu)建，后面拿到開源的代碼后就可以自己知道怎么修改，這些參數(shù)是什么了。對(duì)于后期R語(yǔ)言的自學(xué)是一個(gè)很好的敲門磚。

二、生信入門基礎(chǔ)課程

本課程主要針對(duì)沒有接觸過(guò)生信，而且沒有具體學(xué)習(xí)的生信方向，想了解入門生信的同學(xué)們。本課程涉及生信入門基礎(chǔ)的了解知識(shí)、常用的在線工具、以及涉及的幾種語(yǔ)言基礎(chǔ)介紹，讓你了解生信大概內(nèi)容，從而根據(jù)這些內(nèi)容了解自己想學(xué)習(xí)的方向，進(jìn)而一步步細(xì)化去學(xué)習(xí)研究。

三、轉(zhuǎn)錄組數(shù)據(jù)挖掘生信課程

本課程主要針對(duì)轉(zhuǎn)錄組結(jié)果數(shù)據(jù)的挖掘分析，將從常用的轉(zhuǎn)錄組生信分析基礎(chǔ)入手，帶領(lǐng)大家學(xué)習(xí)轉(zhuǎn)錄組分析中常用的分析方案、個(gè)性化分析軟件及其實(shí)現(xiàn)方法，其中包含熱點(diǎn)的WGCNA分析，熱圖繪制，差異基因分類分析等繪圖分析。滿足轉(zhuǎn)錄組文章常見分析展示需求。

四、代謝與蛋白組學(xué)生信課程

本課程主要針對(duì)代謝和蛋白組學(xué)結(jié)果數(shù)據(jù)進(jìn)行挖掘分析，從代謝和蛋白組學(xué)結(jié)果文件入手，手把手教授個(gè)性化繪圖及分析技巧。

五、比較基因組生信分析課程

本課程主要從基礎(chǔ)生信操作開始，從已發(fā)表的NG、NC等高水平文章入手，帶領(lǐng)大家學(xué)習(xí)并實(shí)際操作高分文章中圖形及分析是如何實(shí)現(xiàn)的，學(xué)習(xí)比較基因組學(xué)常用的分析方法，從而滿足文章后期發(fā)表的需求。

六、基因家族生信分析課程

近年來(lái)基因家族的生物信息學(xué)分析已經(jīng)成為大家研究的熱點(diǎn)，目前已經(jīng)表明許多重要的基因，如一些轉(zhuǎn)錄因子，都是以基因家族的形式存在。本課程系統(tǒng)的對(duì)基因家族進(jìn)行了生物信息分析，讓大家更加深入學(xué)習(xí)了解基因家族分析研究，從而進(jìn)一步豐富我們研究的內(nèi)容，提升文章檔次，實(shí)現(xiàn)科研成果的快速產(chǎn)出。

七、GWAS生信分析課程

本課程主要從實(shí)踐入手，重點(diǎn)講解 GWAS 分析中用到的各種分析方法與常用分析軟件。包括群體結(jié)構(gòu)分析、主成分分析、親緣關(guān)系分析、連鎖不平衡分析、單體型分析等內(nèi)容。從原始數(shù)據(jù)開始，逐步完成分析內(nèi)容，并對(duì)分析內(nèi)容進(jìn)行整理與挖掘，將數(shù)據(jù)轉(zhuǎn)化成更直觀的圖形來(lái)展示最終的分析結(jié)果。若您想做、準(zhǔn)備做或正在做GWAS相關(guān)的項(xiàng)目，那這個(gè)課程就很適合您，即可學(xué)會(huì)自己分析，同時(shí)了解分析過(guò)程中的參數(shù)設(shè)置，可以很好協(xié)助您的論文寫作。

八、微生物多樣性生信分析課程

本課程將微生物多樣性生信分析中的每一個(gè)步驟以及每一步驟所涉及的參數(shù)都很明確的列了出來(lái)，詳細(xì)為大家進(jìn)行講解及實(shí)操演示，幫助大家更好的了解學(xué)習(xí)微生物多樣性分析的整個(gè)過(guò)程。

九、微生物多樣性數(shù)據(jù)挖掘分析課程

本次課程主要針對(duì)微生物多樣性數(shù)據(jù)的后期挖掘繪圖，主要利用R語(yǔ)言來(lái)進(jìn)行微生物多樣性相關(guān)圖形的繪制，從而實(shí)現(xiàn)自己可以分析繪制圖形，更重要的是自己可以根據(jù)不同雜志的要求，很快得出對(duì)應(yīng)的圖形。

十、重測(cè)序生信分析課程

本課程主要針對(duì)基于二代及三代測(cè)序的重測(cè)序分析。以實(shí)際操作為主，從序列比對(duì)開始到突變位點(diǎn)的分析及應(yīng)用。包括常用的分析方法及工具軟件（BWA、GATK、Plink等）。讓大家能夠快速上手有關(guān)重測(cè)序的相關(guān)分析并為后續(xù)與突變相關(guān)的高級(jí)分析打下良好的基礎(chǔ)。

十一、遺傳進(jìn)化生信分析課程

本次課程主要講解群體遺傳進(jìn)化分析中常見分析內(nèi)容以及定制化繪制相關(guān)圖形，同時(shí)涵蓋高級(jí)分析，基因流、分化時(shí)間、群體歷史動(dòng)態(tài)三塊高級(jí)分析內(nèi)容。本課程主要面向初中級(jí)，且對(duì)遺傳進(jìn)化分析有需求的老師。

十二、ATAC生信分析課程

本課程主要從技術(shù)原理、實(shí)驗(yàn)步驟、生物信息學(xué)分析、文獻(xiàn)分享四大內(nèi)容向大家介紹ATAC-Seq技術(shù)。同時(shí)，本課程還涉及專門的生物信息學(xué)實(shí)操課程，帶領(lǐng)大家學(xué)習(xí)ATAC-Seq基本分析流程，其中包括數(shù)據(jù)質(zhì)控、Peak Calling、Motif分析等。從而幫助大家將ATAC-Seq運(yùn)用在自己的課題當(dāng)中。

基于樣品中的物種組成及豐度信息推測(cè)樣品中表型類型和功能組成及差異。包含PICRUSt2功能預(yù)測(cè)、FAPROTAX功能預(yù)測(cè)、BugBase表型預(yù)測(cè)、Tax4Fun2功能預(yù)測(cè)和真菌FunGuild表型預(yù)測(cè)。

一. PICRUSt2功能預(yù)測(cè)

PICRUSt1軟件依賴于Greengene數(shù)據(jù)庫(kù)進(jìn)行物種比對(duì)、功能數(shù)據(jù)輸出。而Greengene數(shù)據(jù)庫(kù)在2013年之后就停止了更新，距今為止已有7年。隨著時(shí)間的推移，大量微生物基因組數(shù)據(jù)測(cè)序獲得，而停止更新的Greengene數(shù)據(jù)庫(kù)限制了PICRUSt的功能預(yù)測(cè)范圍。對(duì)于近年來(lái)測(cè)序獲得微生物功能功能信息無(wú)法進(jìn)行預(yù)測(cè)，滿足不了當(dāng)前的研究需求，為了補(bǔ)上這塊滿足科研工作者的需求，PICRUSt團(tuán)隊(duì)于近期升級(jí)了軟件，正式公布了PICRUSt2。

1）將待預(yù)測(cè)的OTU代表序列置于軟件中已有的系統(tǒng)發(fā)育樹中，而不是直接對(duì)OTU序列進(jìn)行分類學(xué)注釋；

2）不再基于GreenGene 16S數(shù)據(jù)庫(kù)進(jìn)行功能預(yù)測(cè)，其用于預(yù)測(cè)的參考基因組數(shù)據(jù)庫(kù)相比先前也已擴(kuò)大了10倍以上

參考文獻(xiàn)：Douglas G M, Maffei V J, Zaneveld J, et al. PICRUSt2: An improved and extensible approach for metagenome inference. bioRxiv, 2019.

功能組成分析：統(tǒng)計(jì)各樣品在不同分類層級(jí)上的功能組成。

注：橫坐標(biāo)為樣品名稱；縱坐標(biāo)為功能相對(duì)豐度百分比。

功能差異分析：統(tǒng)計(jì)各樣品或者各組在不同分類層級(jí)上的功能差異。

注：圖中不同顏色代表不同的樣品或分組。左圖所示為不同功能在兩個(gè)樣品或者兩組樣品中的豐度比例，中間所示為95%置信度區(qū)間內(nèi)功能豐度的差異比例，最右邊的值為校正后p值。

二. FAPROTAX功能預(yù)測(cè)

FAPROTAX較適用于對(duì)環(huán)境樣本的生物地球化學(xué)循環(huán)過(guò)程（特別是碳、氫、氮、磷、硫等元素循環(huán)）進(jìn)行功能注釋預(yù)測(cè)。FAPROTAX是根據(jù)已發(fā)表的文獻(xiàn)手動(dòng)構(gòu)建的數(shù)據(jù)庫(kù)，它把原核微生物的分類和代謝等功能對(duì)應(yīng)起來(lái)，目前收集自4600多個(gè)原核微生物的80多個(gè)功能分組7600多條功能注釋信息。

參考文獻(xiàn)：Louca S, Parfrey L W, Doebeli M. Decoupling function and taxonomy in the global ocean microbiome[J]. Science, 2016, 353(6305): 1272-1277.

三. BugBase表型預(yù)測(cè)

BugBase是一種預(yù)測(cè)復(fù)雜微生物組內(nèi)功能途徑的生物水平覆蓋以及生物可解釋表型的方法。BugBase首先通過(guò)預(yù)測(cè)的16S拷貝數(shù)對(duì)OTU進(jìn)行歸一化，然后使用提供的預(yù)先計(jì)算的文件預(yù)測(cè)微生物表型。包括以下七方面：革蘭氏陽(yáng)性 （Gram Positive）、革蘭氏陰性 （Gram Negative）、生物膜形成 （Biofilm Forming）、致病潛力 （Pathogenic Potential）、移動(dòng)元件含量 （Mobile Element Containing）、氧的利用 （Oxygen Utilizing）、氧化脅迫耐受 （Oxidative Stress Tolerant）。

參考文獻(xiàn)：Ward T, Larson J, Meulemans J, Hillmann B, Lynch J, SidiropoulosD,Spear J, Caporaso G, Blekhman R, Knight R, Fink R, Knights D. 2017.BugBase predicts organism level microbiome phenotypes. bioRxiv.

四. Tax4Fun2功能預(yù)測(cè)

Tax4Fun全面升級(jí)為Tax4Fun2.評(píng)估微生物群落的功能和冗余度是環(huán)境微生物學(xué)的主要挑戰(zhàn)。Tax4Fun2可基于16S rRNA基因序列快速預(yù)測(cè)原核生物的功能譜和功能冗余。通過(guò)合并用戶定義的、特定于棲息地的基因組信息，可以顯著提高預(yù)測(cè)功能圖譜的準(zhǔn)確性。

優(yōu)點(diǎn)：

（1）不再局限于僅SILVA的特定版本注釋的OTU豐度表，允許直接以O(shè)TU代表序列作為輸入，通過(guò)與指定參考數(shù)據(jù)庫(kù)的比對(duì)實(shí)現(xiàn)物種注釋。除了Tax4Fun2提供的已構(gòu)建好的參考集（相比之前大幅擴(kuò)大），也允許我們提供自定義的參考集，使用非常靈活。

（2）側(cè)重于原核數(shù)據(jù)，但也可以合并真核數(shù)據(jù)。

（3）提供了計(jì)算特定功能冗余的方法，對(duì)于預(yù)測(cè)特定功能在環(huán)境擾動(dòng)期間丟失的可能性至關(guān)重要。

（4）精度和穩(wěn)定性顯著提升。

參考文獻(xiàn)：Wemheuer F, Taylor J A, Daniel R, et al. Tax4Fun2: a R-based tool for the rapid prediction of habitat-specific functional profiles and functional redundancy based on 16S rRNA gene marker gene sequences. bioRxiv, 2018.

五. FunGuild表型預(yù)測(cè)

FUNGuild(Fungi Functional Guild)是一種可用于由生態(tài)協(xié)會(huì)分類學(xué)解析真菌的工具，用簡(jiǎn)單而一致的方法將大型序列庫(kù)分類為具有生態(tài)意義的類別。根據(jù)營(yíng)養(yǎng)方式將真菌分為12類，然后構(gòu)建了一個(gè)真菌分類和功能分組（guild）之間的數(shù)據(jù)庫(kù)，通過(guò)這個(gè)數(shù)據(jù)庫(kù)你就可以對(duì)真菌進(jìn)行功能分類。

病理營(yíng)養(yǎng)型（pathotroph）：通過(guò)損害宿主細(xì)胞而獲取營(yíng)養(yǎng)（包括吞噬型真菌phagotrophs）。

共生營(yíng)養(yǎng)型（symbiotroph）：通過(guò)與宿主細(xì)胞交換資源來(lái)獲取營(yíng)養(yǎng)。

腐生營(yíng)養(yǎng)型（saprotroph）：通過(guò)降解死亡的宿主細(xì)胞來(lái)獲取營(yíng)養(yǎng)。包括動(dòng)物病原菌（animal pathogens）、叢枝菌根真菌（arbuscular mycorrhizal fungi）、外生菌根真菌（ectomycorrhizal fungi）、杜鵑花類菌根真菌（ericoid mycorrhizal fungi）、葉內(nèi)生真菌（foliar endophytes）、地衣寄生真菌（lichenicolous fungi）、地衣共生真菌（lichenized fungi）、菌寄生真菌（mycoparasites）、植物病原菌（plantpathogens）、未定義根內(nèi)生真菌（undefined root endophytes）、未定義腐生真菌（undefined saprotrophs）和木質(zhì)腐生真菌（wood saprotrophs）。

參考文獻(xiàn)：Nguyen NH, Song Z, Bates ST, Branco, S, Tedersoo L, Menke J, Schilling JS, Kennedy PG. 2016. FUNGuild: an open annotation tool for parsing fungal community datasets by ecological guild. Fungal Ecology 20:241-248.

MicroPITA分析

在做完16S、18S或ITS等微生物多樣性研究后，我們常常還會(huì)想進(jìn)一步了解微生物群落的功能。通常情況下，會(huì)采用宏基因組、宏轉(zhuǎn)錄組或宏代謝組等方法深入分析，但相對(duì)于擴(kuò)增子測(cè)序，宏基因組等測(cè)序手段的價(jià)格還是相對(duì)較高，因此需要從已測(cè)完的樣本中再挑選合適的樣本進(jìn)行宏基因組測(cè)序。可利用microPITA進(jìn)行樣品預(yù)測(cè)，挑選出合適的樣品。該分析是基于大量微生物多樣性的數(shù)據(jù)，根據(jù)不同指標(biāo)篩選出代表性樣本，以便于開展開展后續(xù)研究。

參考文獻(xiàn)：Tickle TL, Segata N, Waldron L, Weingart U, Huttenhower C. Two-stage microbial community experimental design. ISME J. 2013 Dec;7(12):2330-9. doi: 10.1038/ismej.2013.139. Epub 2013 Aug 15. PMID: 23949665; PMCID: PMC3834858.

群落結(jié)構(gòu)分析

微生物群落生態(tài)學(xué)的一個(gè)主要目標(biāo)是了解構(gòu)成跨時(shí)空物種豐度模式的過(guò)程。確定性和隨機(jī)性兩種類型的過(guò)程會(huì)影響群落的聚集。確定性過(guò)程與生態(tài)選擇相關(guān)，隨機(jī)過(guò)程包括不可預(yù)測(cè)的擾動(dòng)、概率性的散布和隨機(jī)的出生-死亡事件等，這些變化不是由環(huán)境決定的適應(yīng)性結(jié)果。通過(guò)零模型量化群落的絕對(duì)系統(tǒng)發(fā)育距離與隨機(jī)系統(tǒng)發(fā)育距離的偏離度，偏離程度越大，群落受確定性因素的影響越大，偏離度越小，群落受隨機(jī)性因素的影響越大。通常使用βNTI（最近種間親緣關(guān)系指數(shù)）以評(píng)估不同時(shí)空尺度下隨機(jī)性和確定性過(guò)程對(duì)微生物群落組裝的影響。

其中，| βNTI |>2表示觀察到的兩個(gè)群落之間的更替主要由選擇控制，其中βNTI>+2與變量選擇一致，而βNTI<-2表示同質(zhì)選擇。因此，| βNTI |<2意味著一組群落的更替受擴(kuò)散限制、均勻化擴(kuò)散或未消除過(guò)程的控制。為了理清這些過(guò)程，Raup-Crick矩陣（RCbray）基于群落的標(biāo)準(zhǔn)Bray-Curtis矩陣構(gòu)建，提供有關(guān)所觀察到的流動(dòng)程度是否明顯偏離預(yù)期的信息。這個(gè)值等于觀測(cè)到的Bray-Curtis和零分布之間的偏差，范圍是-1到+1。| RCbray |<0.95可以解釋為終止過(guò)程的影響。反過(guò)來(lái)，擴(kuò)散限制加上漂移導(dǎo)致大于預(yù)期的周轉(zhuǎn)率（RCbray>+0.95），而RCbray<-0.95則表明群落組成的周轉(zhuǎn)率主要受均勻擴(kuò)散控制。

參考文獻(xiàn)：Jizhong, Zhou, Daliang, et al. Stochastic Community Assembly: Does It Matter in Microbial Ecology[J]. Microbiology & Molecular Biology Reviews, 2017.

文章題目：High-resolution temporal dynamic transcriptome landscape reveals a GhCAL-mediated flowering regulatory pathway in cotton (Gossypium hirsutum L.)

發(fā)表期刊：Plant Biotechnology Journal

發(fā)表時(shí)間：2020年7月12

影響因子：8.1

研究?jī)?nèi)容：棉花花芽分化

研究對(duì)象：兩個(gè)早熟品種，兩個(gè)晚熟品種；每個(gè)品種6個(gè)時(shí)期

研究方法：轉(zhuǎn)錄組測(cè)序

前言

陸地棉(Gossypium hirsutum L.)是世界上最重要的纖維作物。在我國(guó)黃河流域和長(zhǎng)江流域棉區(qū)，實(shí)現(xiàn)早熟棉在小麥或者油菜后直播可以提高復(fù)種指數(shù)。而在西北內(nèi)陸棉區(qū)，春季氣溫低，秋季枯霜早，早熟棉既能提高棉花的霜前花率，還可以改善棉花品質(zhì)?；ㄑ糠只怯绊懚碳久奁贩N早熟的重要性狀，是棉花現(xiàn)蕾期、開花期和成鈴期發(fā)育的基礎(chǔ)，花芽分化直接影響開花時(shí)間。花芽分化是植物從營(yíng)養(yǎng)生長(zhǎng)向生殖生長(zhǎng)過(guò)渡的標(biāo)志。當(dāng)進(jìn)入生殖生長(zhǎng)時(shí)，側(cè)芽變成花芽，花芽發(fā)育成果枝。果枝分化決定了開花量、生殖能力和棉花產(chǎn)量。因此，早熟性狀及早熟棉品種在生產(chǎn)上顯得尤為重要。

結(jié)果

1、棉花莖尖的形態(tài)發(fā)育

圖1兩個(gè)早熟品種和兩個(gè)晚熟品種的比較

2、棉花不同發(fā)育階段的72個(gè)RNA文庫(kù)的轉(zhuǎn)錄組譜

?圖2早熟和晚熟品種六個(gè)發(fā)育階段之間的轉(zhuǎn)錄關(guān)系。

3、加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析（WGCNA）

?圖3差異表達(dá)基因的WGCNA

4、棉花從營(yíng)養(yǎng)生長(zhǎng)向生殖生長(zhǎng)轉(zhuǎn)換相關(guān)基因的鑒定

?圖4模塊MElightcyan的分析

5、GhCAL在調(diào)節(jié)從營(yíng)養(yǎng)生長(zhǎng)到生殖生長(zhǎng)的轉(zhuǎn)換的功能驗(yàn)證

百邁客云平臺(tái)可以在所有基因挖掘這里進(jìn)行所有基因篩選和PCA聚類（動(dòng)圖是示例數(shù)據(jù)）

然后作者利用高分文章利器：WGCNA分析，進(jìn)行數(shù)據(jù)深度挖掘和整理，推薦大家使用百邁客云平臺(tái)小工具WGCNA模塊，可以出來(lái)和作者同樣高大上的圖片。

登陸百邁客云平臺(tái)—小工具，即可使用分析（動(dòng)圖是示例數(shù)據(jù)）

然后作者根據(jù)一系列的功能驗(yàn)證最終鎖定控制花芽分化的基因，再次推薦大家使用百邁客轉(zhuǎn)錄組個(gè)性化（所有基因挖掘，差異基因挖掘，基因結(jié)構(gòu)挖掘）三大模塊和小工具（108款分析繪圖工具），下一篇高分文章就是你！

作為一個(gè)科技服務(wù)工作者，自然能夠明白每一位老師的痛處和難點(diǎn)，不過(guò)現(xiàn)在都2020年了，再也不是一個(gè)轉(zhuǎn)錄組1萬(wàn)元的天價(jià)了，那么現(xiàn)在從原始的測(cè)序數(shù)據(jù)到數(shù)據(jù)挖掘直至最后完美的SCI論文圖表，究竟是怎么出來(lái)呢？

雖然君子遠(yuǎn)庖廚，不過(guò)今天小編將為您帶進(jìn)后廚，為您娓娓道來(lái)。

1、首先我們需要原始數(shù)據(jù)

2、一分鐘的分析任務(wù)投遞

選擇合適的分析APP

命名和選擇數(shù)據(jù)

選擇參考基因組及設(shè)置差異分組

任務(wù)提交后，根據(jù)樣本數(shù)據(jù)量，一般24-48h左右大家就可以看到一份完整的分析結(jié)題報(bào)告和分析數(shù)據(jù)了。

講到這里可能有人會(huì)問(wèn)：難道就這么簡(jiǎn)單？那人家好幾篇文章里面那些高大上的圖片都是大神用小工具做的嗎，小編可以負(fù)責(zé)任的告訴你們，不是的！我們還有很多隱藏功能：

第一：基因檢索。（小編選的蛋白是PPR蛋白，從4萬(wàn)多基因里面篩選出來(lái)60個(gè)PPR蛋白相關(guān)的基因，然后根據(jù)60個(gè)基因做GO分類圖）。

第二：WGCNA分析。這個(gè)分析主要是將基因模塊與表型數(shù)據(jù)或者表型樣本進(jìn)行關(guān)聯(lián)，從而快速的鎖定一批候選基因。

運(yùn)行后打開是下圖這樣的，對(duì)此圖有疑惑的可以點(diǎn)擊圖片左側(cè)的攝像頭。

第三：最近很火的差異基因表達(dá)趨勢(shì)分析

第四：108款分析繪圖工具(73款常用工具免費(fèi)使用)。

具體這些工具如何使用？百邁客云還有哪些隱藏功能呢？歡迎大家持續(xù)關(guān)注，小編會(huì)定期為大家進(jìn)行分享。

下載谷歌瀏覽器，輸入網(wǎng)址https://international.biocloud.net/zh/user/login?，進(jìn)入百邁客云平臺(tái)登錄界面，輸入賬號(hào)密碼登錄。賬號(hào)為手機(jī)號(hào)或者是郵箱，初始密碼為123.bmk.

二、選擇合適的分析平臺(tái)

百邁客云包含農(nóng)學(xué)和醫(yī)學(xué)兩大類分析平臺(tái)，醫(yī)學(xué)分析平臺(tái)主要針對(duì)人、鼠數(shù)據(jù)的分析，包含：轉(zhuǎn)錄組、非編碼RNA、單基因病外顯子、腫瘤外顯子、重測(cè)序等數(shù)據(jù)分析，以及全轉(zhuǎn)錄組聯(lián)合分析；農(nóng)學(xué)分析平臺(tái)可以應(yīng)用到更多的物種，涵蓋轉(zhuǎn)錄組、非編碼RNA、微生物、蛋白、代謝等數(shù)據(jù)的分析，以及全轉(zhuǎn)錄組聯(lián)合分析等。點(diǎn)擊左側(cè)導(dǎo)航分析->農(nóng)學(xué)或者醫(yī)學(xué)打開分析平臺(tái)列表頁(yè)面，點(diǎn)擊選擇您想要使用的分析平臺(tái)，打開其詳細(xì)介紹頁(yè)面，該頁(yè)面可以看到該平臺(tái)的應(yīng)用領(lǐng)域“平臺(tái)介紹“技術(shù)背景“案例“課堂“版本記錄，點(diǎn)擊打開軟件即可進(jìn)入到參數(shù)頁(yè)面。

三、創(chuàng)建項(xiàng)目名稱

為了方便數(shù)據(jù)、任務(wù)和報(bào)告的管理，我們將同屬于一個(gè)項(xiàng)目的內(nèi)容會(huì)放到一個(gè)項(xiàng)目中，因此進(jìn)行基本分析時(shí)需要先選擇一個(gè)項(xiàng)目，如果沒有項(xiàng)目也可以點(diǎn)擊+新建先創(chuàng)建一個(gè)項(xiàng)目，見下圖。

四、數(shù)據(jù)導(dǎo)入

針對(duì)FASTQ測(cè)序數(shù)據(jù)，選擇文件夾批量導(dǎo)入，雙端測(cè)序數(shù)據(jù)必須分別以_1.fq和_2.fq結(jié)尾，系統(tǒng)便會(huì)自動(dòng)對(duì)數(shù)據(jù)進(jìn)行配對(duì)，而且多個(gè)目錄中的文件可以分多次導(dǎo)入進(jìn)來(lái)一起進(jìn)行分析。（在本公司進(jìn)行測(cè)序的數(shù)據(jù)會(huì)自動(dòng)推送到您的賬戶下，數(shù)據(jù)所在文件夾名稱為合同編號(hào)）

導(dǎo)入數(shù)據(jù)之后，可以根據(jù)自己的需要修改樣品ID，由于此處設(shè)置的ID會(huì)體現(xiàn)在分析報(bào)告和分析結(jié)果中，因此請(qǐng)慎重考慮后再設(shè)置，分析完成后不可再次修改。如果平臺(tái)上還沒有您自己的數(shù)據(jù)，請(qǐng)參考數(shù)據(jù)上傳先將您的數(shù)據(jù)傳到云平臺(tái)上。

四、基本參數(shù)設(shè)置

一般在這里選擇生信流程版本、設(shè)置報(bào)告名稱等基本參數(shù)，如果對(duì)于參數(shù)設(shè)置沒有特殊要求，推薦使用默認(rèn)參數(shù)。

五、選擇參考基因組（有參）

對(duì)于依賴參考基因組序列進(jìn)行分析的平臺(tái)，一定要選擇和分析數(shù)據(jù)對(duì)應(yīng)的參考物種及組裝版本，不同版本的參考基因組的詳細(xì)信息可以點(diǎn)擊基因組版本詳情進(jìn)行查看。（一個(gè)項(xiàng)目只能使用一個(gè)版本的參考基因組進(jìn)行分析）

六、基因功能注釋（無(wú)參）

1. 組裝方式：

轉(zhuǎn)錄組組裝方式?jīng)Q定了后續(xù)Unigenes庫(kù)的構(gòu)建和表達(dá)定量的策略以及分析結(jié)果的可靠性.根據(jù)實(shí)際情況選擇轉(zhuǎn)錄組組裝方式。分開組裝是對(duì)每個(gè)樣品數(shù)據(jù)單 獨(dú)組裝；合并組裝是將所有樣品放在一起組裝；分組組裝適合于不同品種（或者是變異種）的組裝，將相同品種的樣品合并組裝，然后將每組的組裝結(jié)果 進(jìn)行合并去冗余。合并組裝獲得的Unigene庫(kù)更完整、冗余度更低,因此Trinity官方亦推薦使用合并組裝，以便進(jìn)行后續(xù)的表達(dá)定量和差異表達(dá)分析.

2. 注釋物種

為了提高注釋分析的效率(縮短比對(duì)比對(duì)時(shí)間)以及獲得有效的注釋信息,在選擇注釋物種時(shí),應(yīng)盡量選擇包含物種最確切的數(shù)據(jù)庫(kù).（如果分析物種為真菌類，一定要選擇真菌選項(xiàng)，否則會(huì)影響組裝效果）

七、差異分組設(shè)置

根據(jù)實(shí)驗(yàn)方案設(shè)計(jì)以及樣品信息，進(jìn)行分組的設(shè)置，流程據(jù)此進(jìn)行差異比較分析，此處只支持兩組間比較，可添加多個(gè)差異分組。FDR值一般推薦選擇0.01，差異倍數(shù)閾值一般推薦選擇（此處的參數(shù)和差異分組在后期報(bào)告?zhèn)€性化中可再次進(jìn)行修改）

八、生成標(biāo)準(zhǔn)分析報(bào)告

參數(shù)設(shè)置完成之后，可以點(diǎn)擊保存參數(shù)，方便之后進(jìn)行重新分析或者基于本次參數(shù)進(jìn)行修改后再次分析；一切準(zhǔn)備就緒后，點(diǎn)擊提交將任務(wù)提交到百邁客云計(jì)算集群上，根據(jù)不同分析平臺(tái)、不同數(shù)據(jù)量等待大概2小時(shí)到3周的時(shí)間完成項(xiàng)目分析，獲取到標(biāo)準(zhǔn)分析報(bào)告。

報(bào)告查看，點(diǎn)擊項(xiàng)目（管理）?->?我的項(xiàng)目打開項(xiàng)目列表，找到之前提交任務(wù)時(shí)選擇的項(xiàng)目，點(diǎn)擊項(xiàng)目名稱打開該項(xiàng)目，即可看到新生成的分析報(bào)告記錄，點(diǎn)擊報(bào)告名稱查看詳細(xì)報(bào)告。

點(diǎn)擊報(bào)告右上角的項(xiàng)目結(jié)果下載，可以選擇下載HTML報(bào)告、PDF報(bào)告和結(jié)果數(shù)據(jù)（尾款結(jié)清后）。HTML報(bào)告只包括分析報(bào)告的html文件及一個(gè)src文件夾，展示了部分結(jié)果；PDF報(bào)告是根據(jù)HTML報(bào)告轉(zhuǎn)換而來(lái)，方便您進(jìn)行報(bào)告打?。唤Y(jié)果數(shù)據(jù)包含了項(xiàng)目中所有結(jié)果文件，一般比較大，會(huì)通過(guò)FTP進(jìn)行下載，請(qǐng)耐心等待下載。

下載谷歌瀏覽器，輸入網(wǎng)址https://international.biocloud.net/zh/user/login?，進(jìn)入百邁客云平臺(tái)登錄界面，輸入賬號(hào)密碼登錄。賬號(hào)為手機(jī)號(hào)或者是郵箱，初始密碼為123.bmk.

二、選擇合適的分析平臺(tái)

百邁客云包含農(nóng)學(xué)和醫(yī)學(xué)兩大類分析平臺(tái)，醫(yī)學(xué)分析平臺(tái)主要針對(duì)人、鼠數(shù)據(jù)的分析，包含：轉(zhuǎn)錄組、非編碼RNA、單基因病外顯子、腫瘤外顯子、重測(cè)序等數(shù)據(jù)分析，以及全轉(zhuǎn)錄組聯(lián)合分析；農(nóng)學(xué)分析平臺(tái)可以應(yīng)用到更多的物種，涵蓋轉(zhuǎn)錄組、非編碼RNA、微生物、蛋白、代謝等數(shù)據(jù)的分析，以及全轉(zhuǎn)錄組聯(lián)合分析等。點(diǎn)擊左側(cè)導(dǎo)航分析->農(nóng)學(xué)或者醫(yī)學(xué)打開分析平臺(tái)列表頁(yè)面，點(diǎn)擊選擇您想要使用的分析平臺(tái)，打開其詳細(xì)介紹頁(yè)面，該頁(yè)面可以看到該平臺(tái)的應(yīng)用領(lǐng)域“平臺(tái)介紹“技術(shù)背景“案例“課堂“版本記錄，點(diǎn)擊打開軟件即可進(jìn)入到參數(shù)頁(yè)面。

三、創(chuàng)建項(xiàng)目名稱

為了方便數(shù)據(jù)、任務(wù)和報(bào)告的管理，我們將同屬于一個(gè)項(xiàng)目的內(nèi)容會(huì)放到一個(gè)項(xiàng)目中，因此進(jìn)行基本分析時(shí)需要先選擇一個(gè)項(xiàng)目，如果沒有項(xiàng)目也可以點(diǎn)擊+新建先創(chuàng)建一個(gè)項(xiàng)目，見下圖。

四、數(shù)據(jù)導(dǎo)入

針對(duì)FASTQ測(cè)序數(shù)據(jù)，選擇文件夾批量導(dǎo)入，雙端測(cè)序數(shù)據(jù)必須分別以_1.fq和_2.fq結(jié)尾，系統(tǒng)便會(huì)自動(dòng)對(duì)數(shù)據(jù)進(jìn)行配對(duì)，而且多個(gè)目錄中的文件可以分多次導(dǎo)入進(jìn)來(lái)一起進(jìn)行分析。（在本公司進(jìn)行測(cè)序的數(shù)據(jù)會(huì)自動(dòng)推送到您的賬戶下，數(shù)據(jù)所在文件夾名稱為合同編號(hào)）

導(dǎo)入數(shù)據(jù)之后，可以根據(jù)自己的需要修改樣品ID，由于此處設(shè)置的ID會(huì)體現(xiàn)在分析報(bào)告和分析結(jié)果中，因此請(qǐng)慎重考慮后再設(shè)置，分析完成后不可再次修改。如果平臺(tái)上還沒有您自己的數(shù)據(jù)，請(qǐng)參考數(shù)據(jù)上傳先將您的數(shù)據(jù)傳到云平臺(tái)上。

！注：1.各組學(xué)導(dǎo)入數(shù)據(jù)樣本個(gè)數(shù)要一致

????2.circRNA數(shù)據(jù)選擇去核糖體建庫(kù)則與lncRNA共用一套數(shù)據(jù)，無(wú)需單獨(dú)導(dǎo)入（百邁客建庫(kù)方法為去核糖體建庫(kù)）；選擇去線性建庫(kù)則需要單獨(dú)導(dǎo)入數(shù)據(jù)

五、選擇樣本對(duì)應(yīng)關(guān)系

為了方便后面的聯(lián)合分析內(nèi)容，需要將各RNA項(xiàng)目里的數(shù)據(jù)按照對(duì)應(yīng)關(guān)系統(tǒng)一編號(hào)，有幾組對(duì)應(yīng)關(guān)系則在左側(cè)添加幾組，再?gòu)挠覀?cè)的lncRNA樣品池和miRNA樣品池中選擇對(duì)應(yīng)的樣本添加到分組。其中默認(rèn)按鈕可以按照數(shù)字的順序快速添加對(duì)應(yīng)關(guān)系。

六、選擇參考基因組

對(duì)于依賴參考基因組序列進(jìn)行分析的平臺(tái)，一定要選擇和分析數(shù)據(jù)對(duì)應(yīng)的參考物種及組裝版本，不同版本的參考基因組的詳細(xì)信息可以點(diǎn)擊基因組版本詳情進(jìn)行查看。如果云上沒有您需要的參考基因組，您可以聯(lián)系對(duì)應(yīng)的運(yùn)營(yíng)將您提供的基因組文件部署到云平臺(tái)上，供您使用。（注：一個(gè)項(xiàng)目只能使用一個(gè)版本的參考基因組進(jìn)行分析）

七、參數(shù)設(shè)置

1. 流程版本號(hào)可以選擇默認(rèn)的最新版本

Lib_type為窗體頂端

2. Lib_type ：lncRNA建庫(kù)方式，fr-firststrand表示測(cè)序數(shù)據(jù)中，reads2方向與轉(zhuǎn)錄本方向一致；fr-unstranded為非鏈特異性建庫(kù)；fr-secondstrand 表示read1方向與轉(zhuǎn)錄本方向一致(百邁客lncRNA的建庫(kù)方式為fr-firststrand）
3. lncRNA分析中反式靶基因預(yù)測(cè)方法： 樣本少的時(shí)候可以選擇基于序列方法，樣本數(shù)較多（大于5）推薦使用基于共表達(dá)分析方法。
4. miRNA的長(zhǎng)度范圍和接頭序列可根據(jù)實(shí)際情況進(jìn)行填寫，主要是為了過(guò)濾原始數(shù)據(jù)中的街頭，默認(rèn)參數(shù)為百邁客使用的序列
5. circRNA預(yù)測(cè)軟件：給出三種預(yù)測(cè)方法，CIRI和find_circ是兩個(gè)不同的預(yù)測(cè)軟件，可以分別選擇其中一個(gè)軟件進(jìn)行預(yù)測(cè)，CIRI+find_circ是將兩個(gè)軟件預(yù)測(cè)的結(jié)果取交集作為最終的結(jié)果，（此選項(xiàng)可能會(huì)導(dǎo)致預(yù)測(cè)結(jié)果偏少）

八、差異分組設(shè)置

根據(jù)實(shí)驗(yàn)方案設(shè)計(jì)以及樣品信息，進(jìn)行分組的設(shè)置，流程據(jù)此進(jìn)行差異比較分析，此處只支持兩組間比較，可添加多個(gè)差異分組。

DEseq2軟件適用于有生物學(xué)重復(fù)的項(xiàng)目，edgeR適用于無(wú)生物學(xué)重復(fù)的項(xiàng)目，選擇第一個(gè)，系統(tǒng)會(huì)自動(dòng)識(shí)別項(xiàng)目類型選擇對(duì)應(yīng)的軟件

1. FDR值一般推薦選擇0.01，差異倍數(shù)閾值一般推薦選擇2.（此處設(shè)置的的參數(shù)和差異分組在后期報(bào)告?zhèn)€性化中可再次進(jìn)行修改）

九、聯(lián)合分析參數(shù)

1. 構(gòu)建共表達(dá)網(wǎng)絡(luò)的篩選條件為共表達(dá)相關(guān)性閾值和共表達(dá)相關(guān)性分析中顯著性閾值兩個(gè)參數(shù)，其中共表達(dá)相關(guān)性閾值越大，顯著性閾值越小，則條件越嚴(yán)格。
2. 構(gòu)建ceRNA網(wǎng)絡(luò)的關(guān)系對(duì)的篩選條件為ceRNA超幾何檢驗(yàn)fdr值、ceRNA超幾何檢驗(yàn)p值、ceRNA共享的miRNA數(shù)目三個(gè)參數(shù)，其中fdr值和P值越小，共享miRNA數(shù)目越大則篩選條件越嚴(yán)格。
3. 圖中參數(shù)為推薦參數(shù)

十、生成標(biāo)準(zhǔn)分析報(bào)告

參數(shù)設(shè)置完成之后，可以點(diǎn)擊保存參數(shù)，方便之后進(jìn)行重新分析或者基于本次參數(shù)進(jìn)行修改后再次分析；一切準(zhǔn)備就緒后，點(diǎn)擊提交將任務(wù)提交到百邁客云計(jì)算集群上，根據(jù)不同分析平臺(tái)、不同數(shù)據(jù)量等待大概2小時(shí)到3周的時(shí)間完成項(xiàng)目分析，獲取到標(biāo)準(zhǔn)分析報(bào)告。

報(bào)告查看，點(diǎn)擊項(xiàng)目（管理）?->?我的項(xiàng)目打開項(xiàng)目列表，找到之前提交任務(wù)時(shí)選擇的項(xiàng)目，點(diǎn)擊項(xiàng)目名稱打開該項(xiàng)目，即可看到新生成的分析報(bào)告記錄，點(diǎn)擊報(bào)告名稱查看詳細(xì)報(bào)告。

點(diǎn)擊報(bào)告右上角的項(xiàng)目結(jié)果下載，可以選擇下載HTML報(bào)告、PDF報(bào)告和結(jié)果數(shù)據(jù)（尾款結(jié)清后）。HTML報(bào)告只包括分析報(bào)告的html文件及一個(gè)src文件夾，展示了部分結(jié)果；PDF報(bào)告是根據(jù)HTML報(bào)告轉(zhuǎn)換而來(lái)，方便您進(jìn)行報(bào)告打??；結(jié)果數(shù)據(jù)包含了項(xiàng)目中所有結(jié)果文件，一般比較大，會(huì)通過(guò)FTP進(jìn)行下載

下載谷歌瀏覽器，輸入網(wǎng)址https://international.biocloud.net/zh/user/login?，進(jìn)入百邁客云平臺(tái)登錄界面，輸入賬號(hào)密碼登錄。賬號(hào)為手機(jī)號(hào)或者是郵箱，初始密碼為123.bmk.

二、選擇合適的分析平臺(tái)

百邁客云包含農(nóng)學(xué)和醫(yī)學(xué)兩大類分析平臺(tái)，醫(yī)學(xué)分析平臺(tái)主要針對(duì)人、鼠數(shù)據(jù)的分析，包含：轉(zhuǎn)錄組、非編碼RNA、單基因病外顯子、腫瘤外顯子、重測(cè)序等數(shù)據(jù)分析，以及全轉(zhuǎn)錄組聯(lián)合分析；農(nóng)學(xué)分析平臺(tái)可以應(yīng)用到更多的物種，涵蓋轉(zhuǎn)錄組、非編碼RNA、微生物、蛋白、代謝等數(shù)據(jù)的分析，以及全轉(zhuǎn)錄組聯(lián)合分析等。點(diǎn)擊左側(cè)導(dǎo)航分析->農(nóng)學(xué)或者醫(yī)學(xué)打開分析平臺(tái)列表頁(yè)面，點(diǎn)擊選擇您想要使用的分析平臺(tái)，打開其詳細(xì)介紹頁(yè)面，該頁(yè)面可以看到該平臺(tái)的應(yīng)用領(lǐng)域“平臺(tái)介紹“技術(shù)背景“案例“課堂“版本記錄，點(diǎn)擊打開軟件即可進(jìn)入到參數(shù)頁(yè)面。

三、創(chuàng)建項(xiàng)目名稱

為了方便數(shù)據(jù)、任務(wù)和報(bào)告的管理，我們將同屬于一個(gè)項(xiàng)目的內(nèi)容會(huì)放到一個(gè)項(xiàng)目中，因此進(jìn)行基本分析時(shí)需要先選擇一個(gè)項(xiàng)目，如果沒有項(xiàng)目也可以點(diǎn)擊+新建先創(chuàng)建一個(gè)項(xiàng)目，見下圖。

四、選擇輸入文件

1. 蛋白鑒定表格：蛋白質(zhì)質(zhì)譜鑒定的結(jié)果表格。制表符分隔的文本文件，第一列為蛋白ID，其他列為樣品的表達(dá)量。對(duì)格式不清楚的可點(diǎn)擊查看示例下載示例文件。（百邁客項(xiàng)目的結(jié)果文件會(huì)直接推送到客戶賬號(hào)下，文件夾名稱為合同編號(hào)，可直接導(dǎo)入使用）
2. 蛋白數(shù)據(jù)庫(kù)：蛋白質(zhì)質(zhì)譜鑒定所用的數(shù)據(jù)庫(kù)。不同數(shù)據(jù)庫(kù)得到的蛋白ID格式不同。這里給出了常用的uniport數(shù)據(jù)庫(kù)和轉(zhuǎn)錄組數(shù)據(jù)庫(kù)。如果需要和轉(zhuǎn)錄組聯(lián)合分析，建議使用轉(zhuǎn)錄組數(shù)據(jù)庫(kù),并且可以輸入轉(zhuǎn)錄組的注釋信息文件，百邁客的轉(zhuǎn)錄組項(xiàng)目會(huì)自動(dòng)生成此文件，也可以下載示例查看具體的格式）。

五、綜合選項(xiàng)

1. 流程版本：選擇最新的版本（目前為0）
2. Kegg注釋物種分類：點(diǎn)擊下拉框選擇KEGG注釋所用的物種類別
3. 報(bào)告名稱：可以自定義方便區(qū)分的報(bào)告名稱，可以使用默認(rèn)名稱
4. 物種名稱：支持自定義物種名稱，與后期生成的任務(wù)名稱相關(guān)聯(lián)
5. 標(biāo)準(zhǔn)化方式：否：不進(jìn)行標(biāo)準(zhǔn)化；總峰面積：表示每個(gè)樣本中的每個(gè)蛋白除以該樣本總的峰面積；加和方法：先計(jì)算單個(gè)樣本所有蛋白的sum值, 再用sum值除以幾個(gè)樣本sum值中最大的，得到偏差系數(shù)，最后用蛋白/樣本的偏差系數(shù)得到標(biāo)準(zhǔn)化后的值。此處iTRAQ項(xiàng)目數(shù)據(jù)已經(jīng)進(jìn)行過(guò)歸一化，可以選擇否，lable-free項(xiàng)目推薦總峰面積

六、差異分組設(shè)置

根據(jù)實(shí)驗(yàn)方案設(shè)計(jì)以及樣品信息，進(jìn)行分組的設(shè)置，流程據(jù)此進(jìn)行差異比較分析，此處只支持兩組間比較，可添加多個(gè)差異分組。

1. pvalue值一般推薦選擇0.01，差異倍數(shù)閾值一般推薦選擇2.（此處設(shè)置的的參數(shù)和差異分組在后期報(bào)告?zhèn)€性化中可再次進(jìn)行修改）
2. 分組設(shè)置：有幾組生物學(xué)重復(fù)就在左側(cè)的分組池中添加相應(yīng)數(shù)量的分組，再?gòu)挠覀?cè)的樣品池中選樣本加入相應(yīng)的分組中，1個(gè)樣本只能屬于一個(gè)分組且一個(gè)分組的樣本數(shù)目不少于2個(gè)（這里需要修改分組名稱，分析完成后不可修改）
3. 差異分組設(shè)置

根據(jù)實(shí)驗(yàn)方案設(shè)計(jì)以及樣品信息，進(jìn)行分組的設(shè)置，流程據(jù)此進(jìn)行差異比較分析，此處只支持兩組間比較，可添加多個(gè)差異分組。（此處的參數(shù)和差異分組在后期報(bào)告?zhèn)€性化中可再次進(jìn)行修改）

七、生成標(biāo)準(zhǔn)分析報(bào)告

參數(shù)設(shè)置完成之后，可以點(diǎn)擊保存參數(shù)，方便之后進(jìn)行重新分析或者基于本次參數(shù)進(jìn)行修改后再次分析；一切準(zhǔn)備就緒后，點(diǎn)擊提交將任務(wù)提交到百邁客云計(jì)算集群上，根據(jù)不同分析平臺(tái)、不同數(shù)據(jù)量等待大概2小時(shí)到3周的時(shí)間完成項(xiàng)目分析，獲取到標(biāo)準(zhǔn)分析報(bào)告。

報(bào)告查看，點(diǎn)擊項(xiàng)目（管理）?->?我的項(xiàng)目打開項(xiàng)目列表，找到之前提交任務(wù)時(shí)選擇的項(xiàng)目，點(diǎn)擊項(xiàng)目名稱打開該項(xiàng)目，即可看到新生成的分析報(bào)告記錄，點(diǎn)擊報(bào)告名稱查看詳細(xì)報(bào)告。

點(diǎn)擊報(bào)告右上角的項(xiàng)目結(jié)果下載，可以選擇下載HTML報(bào)告、PDF報(bào)告和結(jié)果數(shù)據(jù)（尾款結(jié)清后）。HTML報(bào)告只包括分析報(bào)告的html文件及一個(gè)src文件夾，展示了部分結(jié)果；PDF報(bào)告是根據(jù)HTML報(bào)告轉(zhuǎn)換而來(lái)，方便您進(jìn)行報(bào)告打??；結(jié)果數(shù)據(jù)包含了項(xiàng)目中所有結(jié)果文件，一般比較大，會(huì)通過(guò)FTP進(jìn)行下載，請(qǐng)耐心等待下載。

下載谷歌瀏覽器，輸入網(wǎng)址https://international.biocloud.net/zh/user/login?，進(jìn)入百邁客云平臺(tái)登錄界面，輸入賬號(hào)密碼登錄。賬號(hào)為手機(jī)號(hào)或者是郵箱，初始密碼為123.bmk.

二、選擇合適的分析平臺(tái)

百邁客云包含農(nóng)學(xué)和醫(yī)學(xué)兩大類分析平臺(tái)，醫(yī)學(xué)分析平臺(tái)主要針對(duì)人、鼠數(shù)據(jù)的分析，包含：轉(zhuǎn)錄組、非編碼RNA、單基因病外顯子、腫瘤外顯子、重測(cè)序等數(shù)據(jù)分析，以及全轉(zhuǎn)錄組聯(lián)合分析；農(nóng)學(xué)分析平臺(tái)可以應(yīng)用到更多的物種，涵蓋轉(zhuǎn)錄組、非編碼RNA、微生物、蛋白、代謝等數(shù)據(jù)的分析，以及全轉(zhuǎn)錄組聯(lián)合分析等。點(diǎn)擊左側(cè)導(dǎo)航分析->農(nóng)學(xué)或者醫(yī)學(xué)打開分析平臺(tái)列表頁(yè)面，點(diǎn)擊選擇您想要使用的分析平臺(tái)，打開其詳細(xì)介紹頁(yè)面，該頁(yè)面可以看到該平臺(tái)的應(yīng)用領(lǐng)域“平臺(tái)介紹“技術(shù)背景“案例“課堂“版本記錄，點(diǎn)擊打開軟件即可進(jìn)入到參數(shù)頁(yè)面。

三、創(chuàng)建項(xiàng)目名稱

為了方便數(shù)據(jù)、任務(wù)和報(bào)告的管理，我們將同屬于一個(gè)項(xiàng)目的內(nèi)容會(huì)放到一個(gè)項(xiàng)目中，因此進(jìn)行基本分析時(shí)需要先選擇一個(gè)項(xiàng)目，如果沒有項(xiàng)目也可以點(diǎn)擊+新建先創(chuàng)建一個(gè)項(xiàng)目，見下圖。

四、選擇輸入文件

代謝定量文件：針對(duì)鑒定到的代謝物進(jìn)行定量的結(jié)果表格。制表符分隔的文本文件，第一列為代謝物ID，其他列為樣品的表達(dá)量。對(duì)格式不清楚的可點(diǎn)擊查看示例下載示例文件。（百邁客項(xiàng)目的結(jié)果文件會(huì)直接推送到客戶賬號(hào)下，文件夾名稱為合同編號(hào)，可直接導(dǎo)入使用）

五、綜合選項(xiàng)

1. 流程版本：選擇最新的版本（目前為0）
2. Kegg注釋物種分類：點(diǎn)擊下拉框選擇KEGG注釋所用的物種類別
3. 報(bào)告名稱：可以自定義方便區(qū)分的報(bào)告名稱，可以使用默認(rèn)名稱
4. 物種名稱：支持自定義物種名稱，與后期生成的任務(wù)名稱相關(guān)聯(lián)
5. 標(biāo)準(zhǔn)化方式：否表示不使用歸一化，總峰面積歸一化表示每個(gè)樣本中的每個(gè)代謝物除以該樣本總的峰面積，內(nèi)標(biāo)則是每個(gè)代謝物除以內(nèi)標(biāo)代謝物的峰面積且默認(rèn)內(nèi)標(biāo)的代謝物定性名稱為IS，內(nèi)標(biāo)不參與后續(xù)的分析。（LC推薦使用總峰面積，GC推薦使用內(nèi)標(biāo)）

六、差異分組設(shè)置

根據(jù)實(shí)驗(yàn)方案設(shè)計(jì)以及樣品信息，進(jìn)行分組的設(shè)置，流程據(jù)此進(jìn)行差異比較分析，此處只支持兩組間比較，可添加多個(gè)差異分組。

1. 推薦閾值選擇：（1）差異倍數(shù)閾值1、T檢驗(yàn)p值0.05、VIP值1 （2）差異倍數(shù)閾值2、T檢驗(yàn)p值1、VIP值1

（其中vip值采用了正交偏最小二乘法判別分析（OPLS-DA），該分析會(huì)給每個(gè)代謝物一個(gè)變量投影重要度VIP值，值越大說(shuō)明代謝物的差異越顯著）

2. 分組設(shè)置：有幾組生物學(xué)重復(fù)就在左側(cè)的分組池中添加相應(yīng)數(shù)量的分組，再?gòu)挠覀?cè)的樣品池中選樣本加入相應(yīng)的分組中，1個(gè)樣本只能屬于一個(gè)分組且一個(gè)分組的樣本數(shù)目不少于2個(gè)。（這里需要修改分組名稱，分析完成后不可修改）
3. 差異分組設(shè)置：根據(jù)實(shí)驗(yàn)方案設(shè)計(jì)以及樣品信息，進(jìn)行分組的設(shè)置，流程據(jù)此進(jìn)行差異比較分析，此處只支持兩組間比較，可添加多個(gè)差異分組。（此處的參數(shù)和差異分組在后期報(bào)告?zhèn)€性化中可再次進(jìn)行修改）

七、生成標(biāo)準(zhǔn)分析報(bào)告

參數(shù)設(shè)置完成之后，可以點(diǎn)擊保存參數(shù)，方便之后進(jìn)行重新分析或者基于本次參數(shù)進(jìn)行修改后再次分析；一切準(zhǔn)備就緒后，點(diǎn)擊提交將任務(wù)提交到百邁客云計(jì)算集群上，根據(jù)不同分析平臺(tái)、不同數(shù)據(jù)量等待大概2小時(shí)到3周的時(shí)間完成項(xiàng)目分析，獲取到標(biāo)準(zhǔn)分析報(bào)告。

報(bào)告查看，點(diǎn)擊項(xiàng)目（管理）?->?我的項(xiàng)目打開項(xiàng)目列表，找到之前提交任務(wù)時(shí)選擇的項(xiàng)目，點(diǎn)擊項(xiàng)目名稱打開該項(xiàng)目，即可看到新生成的分析報(bào)告記錄，點(diǎn)擊報(bào)告名稱查看詳細(xì)報(bào)告。

點(diǎn)擊報(bào)告右上角的項(xiàng)目結(jié)果下載，可以選擇下載HTML報(bào)告、PDF報(bào)告和結(jié)果數(shù)據(jù)（尾款結(jié)清后）。HTML報(bào)告只包括分析報(bào)告的html文件及一個(gè)src文件夾，展示了部分結(jié)果；PDF報(bào)告是根據(jù)HTML報(bào)告轉(zhuǎn)換而來(lái)，方便您進(jìn)行報(bào)告打?。唤Y(jié)果數(shù)據(jù)包含了項(xiàng)目中所有結(jié)果文件，一般比較大，會(huì)通過(guò)FTP進(jìn)行下載，請(qǐng)耐心等待下載。