应用平台

152

篇文章

511

影响因子

39998

位用户
数据的筛选与可视化是大数据时代组学研究的核心,如何快速并且个性化地挖掘自己的数据,成为科研的关键。Omicsmart动态在线分析平台有别于传统的静态分析系统,能够快速地实现数据表格和图形的交互分析,而且其操作简单,分析内容丰富,数据安全性高,是一款结合了人性化和个性化的数据挖据利器。

转录组交互平台

真核有参、真核无参、原核有参、lncRNA等转录组分析

了解详情

微生物多样性交互平台

16S/ITS/18S等微生物群落分析

了解详情

遗传图谱交互平台

遗传图谱及QTL定位

了解详情

定制化数据挖掘

Omicsmart根据每个用户的数据量身定制,操作简单、分析丰富、安全系数高

操作方便

一站式挖掘、多种参数选择

分析内容丰富

在线报告系统工具丰富并持续更新

数据挖掘定制化

实现项目数据定制化挖掘、结果可视化

数据安全可靠

系统安全保证、安心处理项目数据

omicsmart交互结果

物种组成图

稀释曲线

多样性差异

PcoA

功能丰度热图

共发生网络

差异基因雷达图

GO注释

GO富集气泡图

KEGG注释

趋势分析

表型分布

染色图图谱

QTL定位图

多性状QTL定位

引用文章列表

年份期刊影响因子引用工具发表单位文章链接
2018.06 Cell death & disease 5.638 heatmap 广东-中山大学附属第六医院 链接
2018.06 Cell discovery 4.462 GO 山东-中国海洋大学 链接
2018.06 Chemosphere 4.427 heatmap 黑龙江-东北林业大学 链接
2018.06 Environmental Pollution 4.358 Venn plot 北京-中国农业科学院 链接
2018.07 Frontiers in Genetics 4.151 Volcano plots 北京-中国农业科学院 链接
2018.05 International journal of molecular sciences 3.687  clustering 陕西-西北农林科技大学 链接
2018.06 Frontiers in plant science 3.678 GO 湖北-华中农大 链接
2018.06  Environmental and Experimental Botany 3.666  heatmap、GO 山西大学 链接
2018.07 PROTEOMICS–Clinical Applications 3.567  GO、Bubble 江苏大学 链接
2018.06 heatmap 3.389 heatmap 北京林业 大学 链接
2018.06 Molecular Breeding 3.251 PCA 河北-中国科学院遗传与发育生物学研究所 链接
2018.07 International immunopharmacology 3.118 PCA and heat map 黑龙江-东北林业大学 链接
2018.07 Journal of Cellular Biochemistry 2.959  clustering 陕西-西北农林科技大学 链接
2018.08 Journal of Cellular Biochemistry 2.959 pathway enrichment 陕西-西北工业大学 链接
2018.07 BioMed Research International 2.583 heatmap 江苏-南京农大 链接
2018.07 Biological trace element research 2.361 PCA 黑龙江-东北林业大学 链接
2018.07 PeerJ 2.119 Differential expression 四川农大 链接
2018.06 PeerJ 2.118  regulatory networks 河南大学 链接
2018.06 evidence-based complementary and alternative medicine 2.064 pathway enrichment analysis  湖南中医药大学 链接
2018.06 International Journal of Genomics 1.904 heatmap 安徽农大 链接
2018.07 Aquaculture Research 1.475 heatmap 浙江大学 链接
2018.06 Current microbiology 1.373 heatmap 山东-云南-中国科学院青岛生物能源与生物工艺研究所、云南烟草科学研究院 链接
2018.05 Nature Communications 12.124 KEGG 天津科技大学和南开大学 链接
2018.05 The Plant Journal 5.901 Hierarchical cluster analyses 昆明-中国科学院昆明植物研究所 链接
2018.05 Chemosphere 4.208 heatmap 黑龙江-东北林业大学 链接
2018.05 BMC genomics 3.729 heatmap 山西农大 链接
2018.04 Aging (Albany NY) 4.867 Box plots and Venn  云南-中国医学科学院中国协和医科大学 链接
2018.05 Comparative Biochemistry and Physiology 2.857 heatmap 山东-中国海洋大学 链接
2018.04 Molecular Genetics and Genomics 2.979 heatmap 宁夏大学 链接
2018.05 Biochemical and Biophysical Research Communications 2.466 Bubble plot 重庆医科大学 链接
2017.12 Biology open 2.095 GO enrichment analysis 四川农业大学 链接
2018.04 Scientific reports 4.259 heatmap 广东-广州中医药大学 链接
2018.04 rice science 1.329 KEGG,heatmap 福建师范大学 链接
2018.03 Journal of Ocean University of China 0.601 GO and KEGG 山东-中国海洋大学 链接
2018.05 PloS one 2.806 box plot 山东农业大学 链接
2018.03 Gene 2.415 Heatmap 广东-华南农业大学 链接
2018.04 Genes 3.6 GO and KEGG 江苏-南京农大 链接
2018.04 BMC Medical Genomics 2.848 Venn plot 河北农大 链接
2017.08 Canadian Journal of Plant Science 0.868 PCA 链接
2018.04 Mitochondrial DNA Part A 0 heatmap 吉林-农科院 链接
2018.03 Nature Communications 12.124 Gene function enrichment analysis 华南师范大学与中国科学院上海生命科学研究院植物生理生态研究所 链接
2018.03 Frontiers in cellular and infection microbiology 4.3 heat map 天津大学 链接
2018.03 Journal of food protection 1.417 heatmap 南开大学 链接
2018.03 Toxicology letters 3.858 heatmap 重庆第三军医大学 链接
2018.03 Plant Growth Regulation 2.646 GO analysis 四川农业大学 链接
2018.03 Plant Molecular Biology Reporter 1.932 GO analysis 南京农业大学 链接
2018.03 plos one 2.806 PCA 贵州大学 链接
2018.03 Scientific Reports 4.259 PCA 北京林业大学 链接
2018.02 Hepatology 13.248 heatmaps 陕西第四军医大学 链接
2018.02 International Journal of Cancer 6.513 pathway enrichment analysis 东南大学 链接
2018.01 hindawi.com 2 KEGG enrichment analysis,bubble chart 北京中医药大学 链接
2018.01 In Vitro Cell Dev Biol Anim 0.897 differential expression analysis 四川农业大学 链接
2018.01 Journal of the American Society for Horticultural Science 1.125 heatmaps 东北农业大学 链接
2018.01 Journal of the American Society for Horticultural Science 1.125 heatmaps 东北农业大学 链接
2018.01 scientific reports 4.259 GO enrichment analysis 山东农业大学 链接
2018.01 International journal of molecular sciences 3.226 heatmaps 西北农林科技大学 链接
2017.12 Molecular medicine reports 1.692 GO and KEGG analyses 广西医科大学附属医院 链接
2017.12 International Journal of Molecular Medicine 2.341 bubble chart 洛阳师范学院 链接
2017.12 International Journal of Genomics 2.402 heatmaps 南京农业大学 链接
2017.12 Aquatic Toxicology 4.129 PCA 浙江大学 链接
2017.12 BMC plant biology 3.964 heatmaps 四川农业大学 链接
2017.12 International Journal of Molecular Sciences 3.226 PCA 华中农业大学 链接
2017.12 Molecules 2.861 trend analysis 安徽农业大学 链接
2017.11 livestock science 1.3768 Differential expression analysis 山西农业大学 链接
2017.11 Experimental and Applied Acarology 1.7599 GO enrichment analysis 云南师范大学 链接
2017.11 Cellular Physiology and Biochemistry 5.104 heatmap and volcano plot 中国医科大学 链接
2017.11 Scientific Reports 4.259 GO and KEGG analyses 华南农业大学 链接
2017.11 scientific reports 4.259 GO and KEGG enrichment analysis 内蒙古农业大学 链接
2017.10 PLOS BIOLOGY 9.797 GO and KEGG analyses 中国科学院海洋研究所 链接
2017.09 scientific reports 4.259 GO enrichment analysis 西南大学 链接
2017.09 advanced electronic materials 4.193 heatmaps 南京农业大学 链接
2017.09 scientific reports 4.259 GO enrichment 中国农业大学 链接
2017.09 Cancer Research and Treatment 3.772 heatmaps 中山大学 链接
2017.08 Frontiers in plant science 4.298 heatmaps 东北农业大学 链接
2017.08 scientific reports 4.259 heatmaps 中国科学院青岛生物能源与过程研究所 链接
2017.07 PloS one 2.806 GO +nrichment analyses 四川农业大学 链接
2017.07 Journal of Proteome Research 4.268 Personalized GO and KEGG enrichment 西北农林科技大学 链接
2017.07 Gene 2.415 Venn analysis 福建农林大学 链接
2017.07 Frontiers in plant science 4.298 GO enrichment analysis 中国科学院合肥物质科学研究院、中国科学技术大学 链接
2017.07 PloS one 2.806 pathway enrichment analysis tool 中国农业科学院棉花研究所 链接
2017.07 scientific reports 4.259 heatmaps 四川农业大学 链接
2017.06 Plant Science 3.437 Venn analyses 福建农林大学 链接
2017.06 scientific reports 4.259 Venn analysis 山西大学 链接
2017.05 Biology Open 2 GO enrichment analysis 四川农业大学 链接
2017.04 Frontiers in plant science 4.298 heatmaps 中国科学院青岛生物能源与过程研究所 链接
2017.04 Frontiers in plant science 4.298 Cluster analysis 西北农林科技大学 链接
2017.04 Plant Molecular Biology 3.356 differential expression analyses 北京林业大学 链接
2017.04 scientific reports 4.259 Statistical analysbis.Heat map, senior bubble map, scatter plot map and venn map 第四军医大学、复旦大学 链接
2017.04 scientific reports 4.259 heatmaps 四川农业大学 链接
2017.04 Frontiers in plant science 4.298 heatmaps 西北农林科技大学 链接
2017.03 scientific reports 4.259 Venn diagram analysis 集美大学 链接
2017.02 BMC Genomics 3.729 data analysis 北京林业大学 链接
2017.01 PloS one 2.806 Principal component analysis (PCA) 河南农业大学 链接
2017.01 Molecular BioSystems 2.781 heatmaps 甘肃省医院 链接
2017.01 scientific reports 4.259 Heatmap,trend 昆明理工大学 链接
2016.12 scientific reports 4.259 heatmaps 西北农林科技大学 链接
2016.12 eLife 7.725 heatmaps 云南农业大学 链接
2016.12 Journal of Experimental Botany 5.83 K-means clustering University of Bonn(德国) 链接

相关平台

omicshare论坛

生信爱好者众多/各组学研究人员互动

涉及领域广阔/免费生信资料/随时发帖提问学习

omicshare云平台

无需编辑基础/任性分析数据

工具定时更新/完全免费/结果直接用于文章发表

omicshare在线课堂

两周更新一次/短时间提升生信水平

在线培训/紧跟热点难点/相关资源免费下载

logo

遗传图谱分析平台

针对从事遗传育种研究的用户,提供实时、便利的QTL云分析(连锁分析)服务。平台现阶段主要分为表型分析、图谱标记过滤和QTL分析3个模块。

该平台主要有3个特点:

(1) 基因型、表型数据可以长期存储于平台,且用户可以随时上传新收集的表型数据。

(2) 平台整合了BLUP分析、QTL分析、基因功能富集分析等多项功能,用户可以一键式批量完成一系列相关分析。

(3) 平台可以根据用户的需求不断升级。

转录组平台分析内容

QTL分析平台分析流程

  • QTL分析:平台内部启用R包R/qtl完成分析
  • BLUP分析:平台内部启用R包完成
  • GO富集分析:使用R包中的topGO进行GO富集分析
  • KEGG富集分析:使用自写脚本进行KEGG富集分析
  • 其他分析方法,请见平台的英文method说明
  • 表型分布频率直方图
  • 用户可以通过勾选,选择展示若干个表型的表型值分布

    图1 表型分布频率直方图

    图1 表型分布频率直方图

  • 表型相关性热图
  • 直观展示所分析的表型间的皮尔森相关系数

    图2 表型相关性热图

    图2 表型相关性热图

  • QTL分析总览图
  • 用户可以通过勾选,选择展示若干个表型相关QTL在遗传图谱上的位置分布

    图3 QTL分析总览图

    图3 QTL分析总览图

  • 某表型QTL分析的LOD值在各条连锁群(染色体)上的分布
  • 图4 LOD值分布图

    图4 LOD值分布图

  • 目标连锁群(染色体)的细节展示
  • 用户可以通过勾选,集中展示自己所关注的染色体(例如存在QTL的染色体)上的LOD值分布情况

    图5 目标连锁群(染色体)的LOD值分布

    图5 目标连锁群(染色体)的LOD值分布

  • 富集分析气泡图
  • 基于top20富集GO term /pathway的气泡图,该图直观的展示了QTL区间相关基因显著富集的GO term /pathway

    图6 富集分析气泡图

    图6 富集分析气泡图

  • 二级分类柱状图
  • 基于QTL区间基因富集的GO term,该图直观的展示了QLT区间所有基因的GO二级分类的数量,便于了解QTL区间相关基因的功能

    图7 二级分类柱状图

    图7 二级分类柱状图

logo

微生物多样性分析平台

微生物包括病毒、细菌、真菌、藻类等,作用广泛。如土壤、水体、空气等自然环境中的微生物,在元素的生物地球化学循环中发挥着重要作用;植物内生菌、动物/人肠道微生物等与宿主的健康、疾病等密切相关;此外,微生物还广泛应用于生物能源、环境污染治理、食品发酵等众多生物技术领域。因此,微生物多样性的研究有广泛的科研探索价值。

核糖体RNA基因扩增子的高通量测序是非常便捷的微生物多样性探究方法,常用扩增区域如:细菌的16S rDNA V3-V4 区,古菌的16S rDNA V4区,真菌、藻类的ITS2区,藻类、线虫、原虫的18S V4或V9区等。

Omicsmart Metagenome分析平台适用于不同情境、各种扩增区域的微生物多样性研究,集个性高效的数据探索和图形美化等功能于一身。

  1. 系统完整的分析流程
  2. 分析平台的数据预处理部分包含单个/多个项目的数据挑选,常用过滤、拼接、OTU聚类等参数的修改调整,数据库类型的选择;

    数据分析部分包含OTU筛选,分组方案设置,OTU、物种、alpha/beta多样性、功能预测、环境因子关联分析,自定义生成个性报告。

  3. 动态交互的数据探索
  4. 既可以个性化选择数据分析画图,也可以根据图形结果挑选数据生成新图形;可进行分组/样本、比较组、物种分类水平、alpha多样性指数类型、beta多样性样本距离模型、预测软件、差异分析检验模型等的自由切换,便于高效进行数据探索。

  5. 个性高效的图形美化
  6. 柱形图、折线图、热图、PCA、PCoA、NMDS、CCA、RDA等图形颜色、字体大小、字体类型的优化调整;网络图节点/线的大小/粗细、形状/类型、颜色等的美化丰富,便于利用数据探索的结果生成期刊发表所需的图形。

微生物多样性平台分析内容

微生物多样性平台分析内容

  1. reads质控:FASTP软件[1]
  2. tag拼接:FLSAH软件[2]
  3. tag过滤:QIIME软件[3]
  4. 去嵌合体:UCHIME[4]
  5. OTU聚类:UPARSE流程[5]
  6. 韦恩图:R语言ggplot2包
  7. 物种注释:RDP classifier软件[6]
  8. Krona饼图:Krona软件[7]
  9. LEfSe分析:LEfSe 软件[8]
  10. alpha多样性指数/样本距离:QIIME软件
  11. KEGG功能预测:Tax4FUN软件[9]和PICRUSt软件[10]
  12. 真菌营养型分类预测:FUNGuild[11]
  13. UPGMA聚类树/PCA/PCoA/NMDS/ CCA/RDA/VPA/Mantel test:R语言vagan包
  14. 热图:R语言pheatmap包
  15. 网络图:cytoscape软件
  16. 卡方检验/welch’s t/Wilcoxon秩和检验/Kruskal-Wallis秩和检/Adonis (Permanova) 和Anosim分组检验:R语言的vegan包
  • 物种分布展示
  • 直观展示样本/分组间各分类水平物种丰度,初步物种多样性,优势物种等信息。

    图1 物种分布堆叠图

    图1 物种分布堆叠图

  • 物种差异分析
  • 使用t检验等鉴别比较组间的差异物种,个性化展示差异物种丰度和差异显著性。

    图2 差异物种丰度及显著性

    图2 差异物种丰度及显著性

  • alpha多样性分析——稀释曲线
  • 我们通过绘制各指数的稀释曲线来评价测序量是否足够,并间接反映样品中物种的丰富程度

    图3 sobs稀释曲线

    图3 sobs稀释曲线

  • beta多样性分析——PCoA
  • PCoA主坐标分析是一种展示样本间相似性的分析方式,通过降维方式寻找复杂样本中样本的差异距离。样品越相似,反映在PCoA图中的距离越近,不同环境的样品往往表现出各自聚集的分布情况。

    图4 样本OTU水平bray距离PCoA分析

    图4 样本OTU水平bray距离PCoA分析

  • 功能预测——功能丰度热图
  • 根据数据库的物种注释和OTU丰度信息,使用PICRUSt软件可以进行KEGG Pathway的功能注释,统计每个Pathway和KO的丰度信息,可绘制各样本的丰度热图

    图5 PICRUSt软件KEGG功能热图

    图5 PICRUSt软件KEGG功能热图

  • 环境因子关联分析——CCA
  • CCA典范对应分析(canonical correspondence analysis)主要用来反映菌群与环境因子之间关系,可以呈现环境因子对样本、菌群的影响

    图6 物种与环境因子CCA分析

    图6 物种与环境因子CCA分析

  • 环境因子关联分析——网络图
  • 相关性网络适用于解释受环境因子影响而增多(正相关)或减少(负相关)的物种,通过相关性或连通性的数据分析,可以直观展示环境因子的重要性,了解环境因子对群落结构的影响状态

    图7 物种与环境因子相关性网络图

    图7 物种与环境因子相关性网络图

[1] Chen S, Zhou Y, Chen Y, et al. fastp: an ultra-fast all-in-one FASTQ preprocessor[J]. bioRxiv, 2018: 274100.

[2] Magoč T, Salzberg S L. FLASH: fast length adjustment of short reads to improve genome assemblies. Bioinformatics 27.21 (2011): 2957-2963.

[3] Caporaso, J. Gregory, et al. QIIME allows analysis of high-throughput community sequencing data. Nature methods 7.5 (2010): 335-336.

[4] Bokulich, Nicholas A., et al. Quality-filtering vastly improves diversity estimates from Illumina amplicon sequencing. Nature methods 10.1 (2013): 57-59.

[5] Edgar, Robert C. UPARSE: highly accurate OTU sequences from microbial amplicon reads. Nature methods 10.10 (2013): 996-998.

[6] Wang, Qiong, et al. "Naive Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy." Applied and environmental microbiology 73.16 (2007): 5261-5267.

[7] Ondov, Brian D., Nicholas H. Bergman, and Adam M. Phillippy. Interactive metagenomic visualization in a Web browser. BMC bioinformatics 12.1 (2011): 385.

[8] Segata, Nicola, et al. “Metagenomic biomarker discovery and explanation.” Genome biology 12.6 (2011): 1.

[9] Aßhauer, Kathrin P., et al. "Tax4Fun: predicting functional profiles from metagenomic 16S rRNA data." Bioinformatics 31.17 (2015): 2882-2884.

[10] Langille, Morgan GI, et al. "Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences." Nature biotechnology 31.9 (2013): 814-821.

[11] Nguyen, Nhu H., et al. "FUNGuild: an open annotation tool for parsing fungal community datasets by ecological guild." Fungal Ecology 20 (2016): 241-248.

logo

转录组分析平台

RNA-seq测序针对样本中的mRNA进行高通量测序,将得到的reads比对到参考基因(组)上,计算出每个mRNA的表达量,可以根据样本设计进行差异比较和差异基因的功能富集分析,从而找出与调控机理相关的基因及通路。

基于RNA-seq数据,进行在线分析,可以根据客户的需求获得定制化的结果,包括对选择的分组样本进行样本关系的分析、根据输入的基因名称或功能筛选出基因或序列信息、对比较组样本进行差异分析、对选定的基因集或差异分析结果集进行GO、KEGG富集分析,除此之外,还可以进行韦恩图、趋势分析、blast分析、基因组浏览等。转录组数据研究涉及到数据挖掘和可视化的问题,omicsmart在线报告可以帮助我们解决这两方面问题,通过对参数的设定和更改,获得实时交互的结果,对数据进行深入挖掘;在线报告还可以根据不同的需求,对图形样式、配色、坐标名称等细节进行修改,获得定制化的图形。

适用领域:需要对数据进行深入挖掘、对图形可视化要求较高、对生信分析不够了解的客户,都可以利用在线报告,轻松的完成分析。

  1. 全面详细的分析内容
  2. 分析平台分为五大块内容:样本关系、基因筛选、差异分析、基本功能分析和高级功能分析,包含常用转录组分析工具:差异分析、富集分析、韦恩图分析、趋势分析、blast分析等等,可根据需求挑选比较组差异基因或目标基因进行定制化分析,以便于数据挖掘。

  3. 动态交互的数据探索
  4. 可根据需求对数据进行绘图,也可以根据图形结果挑选数据重新绘制图形;对于富集分析或差异分析等功能,可对阈值进行切换,实时获得结果,同时提供不同的展示形式,可以按照需求进行选择,便于高效进行数据探索。

  5. 个性高效的图形美化
  6. 热图、柱状图、PCA图、富集分析气泡图等图形都可以通过在线报告进行颜色、字体大小、字体类型等修改,便于利用数据探索的结果生成期刊所需的图形。

转录组平台分析内容

转录组平台分析内容

  1. PCA分析: R语言包(http://www.r-project.org/)
  2. 相关性热图: R语言包pheatmap
  3. 样本聚类图: R语言包fastcluster
  4. 差异分析: edgeR
  5. 差异基因聚类热图: R语言包pheatmap
  6. 柱状图、盒形图、火山图、散点图、气泡图: R语言包ggplot2
  7. GO富集分析: R包中的topGO
  8. KEGG富集分析:自写脚本
  9. 韦恩图:自写perl程序
  10. 趋势分析: STEM软件
  • 差异基因雷达图
  • 基于topN的差异基因绘制差异基因雷达图,该图直观的展示了差异基因在两个分组的表达量和差异倍数信息,便于整体展示差异程度最大的基因信息

    图1 差异基因雷达图

    图1 差异基因雷达图

  • 富集分析气泡图
  • 基于topN富集term /pathway的气泡图,该图直观的展示了差异基因的数量、富集显著性和富集程度,便于展示差异基因显著富集的term /pathway

    图2 富集分析气泡图

    图2 富集分析气泡图

  • 二级分类柱状图
  • 基于差异基因富集的GO term,该图直观的展示了所有差异基因所在的GO二级分类的数量,便于了解差异基因所富集的功能

    图3 二级分类柱状图

    图3 二级分类柱状图

  • 差异基因聚类热图
  • 基于差异基因绘制的聚类热图,该图直观的展示了差异基因在不同样本中的情况

    图4 差异基因聚类热图

    图4 差异基因聚类热图

  • 基因组浏览
  • 各基因序列在基因组上的可视化,可选择展示mRNA、gene、exon和cds,对基因组区域放大或缩小,展示各基因在基因组上的分布、基因密度、基因位置、正负链等信息,便于了解基因在染色体的分布情况

    图5 基因组浏览

    图5 基因组浏览