您是否迫切需要从大数据中找到您所需要的结果?

您是否面对海量测序数据而不知所措?

大数据时代数据浩如烟海,如何从中找到对您研究有用的信息?如何让您的数据不再沉睡

中翰金诺2015年生物信息培训系列正式推出第一期培训班——OncomineTCGA培训班。

主办单位:中翰金诺

举办地点:杭州钱江经济开发区兴国路519号中翰金诺公司2楼培训教室

培训时间:2015424-425日(周五-周六),900-1700

【课程内容】

时间

培训科目

培训内容

具体分析内容

424日上午

TCGA数据库miRNASeq数据下载

TCGA中单个癌症的miRNASeq数据下载

使用TCGA进行单个癌症miRNA表达数据下载的方法

424日上午

miRNA靶基因数据库介绍

常用的miRNA靶基因数据库介绍

数据库介绍

下载miRNA及其靶基因关系

424日下午

TCGAmiRNAmRNA相关性分析

根据miRNAmRNA的表达数据进行相关性分析

如何计算数据间的相关性

计算每个miRNAmRNA的相关性(示例数据)

根据miRNAmRNA共调控关系绘制网络图

1Cytoscape软件介绍

2)使用Cytoscape软件绘制网络图

425日上午

GEO数据库

1GEO数据库使用

2GEO数据下载

掌握GEO数据库基本操作

了解GEO数据下载

425日上午

Oncomine数据库

1Oncomine数据库介绍

2Oncomine数据库使用

1)了解Oncomine数据库

2)掌握差异表达分析、共表达分析、outiler分析

425日下午

基因芯片分析

基因芯片分析

1)芯片数据预处理

2)差异表达分析

3)基因注释

注:中翰金诺保留对以上课程信息进行调整的权利,具体课程信息以实际上课为准。

【课程对象】

科研院所、医学领域的科研工作者或高校教师及研究生

【收费标准】

Oncomine课程:1500/人;TCGA课程:1500/人;

若参加两门课程:2800/(含餐费、学费、资料费、其他材料费等)。

培训期间免费提供工作午餐,可协助安排住宿,住宿费用自理。

【优惠政策】

凡中翰金诺生物信息培训班老学员,可享受9折优惠。

学生(持学生证)2700/人。

(以上优惠不能同时使用,最终优惠解释权归中翰金诺所有!)

【注意事项】

1、学员需自带手提电脑,并提前注册oncomine帐号,建议电脑内存为4G及以上,系统为windows

2、本次课程限定名额30名,为确保培训资源得到最佳利用,请尽快申请报名参加。

3、如何确定是否成功报名?本期培训班以收到学员培训费为成功报名。

4、如何支付培训费?学员可通过银行汇款、网上银行转账等方式支付培训费(备注:请在汇款明细里加上“培训班+姓名”)。

5、已经成功付款的学员,如在2015420日前联系主办方撤销席位,可退还100%的培训费用;如在开课前3个工作日内(含3个工作日)要求撤销席位,则退还80%的培训费用。

【联系方式】

于老师:18767167378yuchenhui@joingenome.com

陈老师:18767167375chenxiaotian@joingenome.com.

【数据库简介】

Oncomine简介:

Oncomine是目前世界上最大的癌基因芯片数据库和整合数据挖掘平台,旨在挖掘癌症基因信息。到目前为止,该数据库已经收集了715个基因表达数据集, 80000多个癌症组织和正常组织的样本数据。Oncomine可用于比较主要癌症类型和各自正常组织的差异表达分析,也可以用于探索各种癌症亚型以及基于临床和病理学的分析。可进行一个或多个基因的查询,结果可视化。Oncomine算法丰富:差异分析、Meta分析、共表达分析、Outlier分析。

Oncomine应用范围:

1、指导癌症研究的实验方向;

2、确定癌症研究的目的基因;

3、帮助筛选潜在的肿瘤标记物;

4、对前期实验结果进行验证;

5、补充文章依据提供生物信息学支持。

TCGA简介:

肿瘤基因组图谱(TCGA),由美国国家癌症和肿瘤研究所(NCI)和国家人类基因组研究所(NHGRI)联合进行。目前有36种癌症类型。TCGA提供的数据类型包括:病人资料、治疗进程、临床分期、肿瘤病理、存活情况;基因芯片和二代测序得到的mRNAmiRNA、蛋白等表达量;遗传突变、拷贝数变异、DNA甲基化程度等。TCGA数据库就是进行癌症基因组研究的强大资源。

TCGA应用范围:

1TCGA数据库提供免费下载功能;

2、有丰富的临床数据资源,用于进行生存分析;

3、对单个癌症类型进行在DNA水平,蛋白水平进行表达分析,甲基化分析,突变情况分析以及拷贝数变异情况分析;

4、对同种数据类型可以进行多种癌症类型的交叉分析;

5、对单个样本的进行多种数据类型的综合分析;

6、对实验结果进行后期验证;

7、通过数据挖掘,对文章提供生物信息学支持。