咨询信息

我们的产品覆盖了化学信息学,生物信息学,以及实验室信息管理
针对您的研究需求

我们为您选择最适合您的产品
上传时间:2017-06-30 17:22:03
GENEVESTIGATOR®是基因表达的高性能的搜索引擎。它集成了上万的人工精选、注释的公共芯片和测序的实验结果,使基因在不同的生物环境中,如疾病,药物,组织,肿瘤,细胞或基因型等条件下的表达进行了可视化。可以在全局或者选定生物条件下,寻找基因的特异性表达,分子标志物biomarker, 并且允许加入自己的基因表达数据集与更加广泛的数据集进行比较。
  • 产品特性
  • 产品演示
  • 常见问题
  •  

     
    图形化操作界面,可同时运用的多层次数据

    公共基因表达谱数据包含大量的宝贵信息,但是由于不同数据之间未做统一的标准化,而很难被同时分析利用,比如不同的组织,细胞,肿瘤类型不能放在一起比较。GENEVESTIGATOR®不仅对所收录的数据进行质控和重新注释,还引入了全局归一化,有以下优势

     把不同的组织,或者细胞系,或者肿瘤类型集中在一起比较,寻找到真正具有表达特异性的分子标志物;
     找出在哪里,何时以及在什么条件下基因有特异性表达,进而发现基因的更多潜能;
     通过与公共数据集的整合与比较,通过与成千上万的结果进行对比,找到新的结论/更多支持证据;
     在几分钟之内,完成对上千个实验条件的表达谱结果进行定向搜索,摆脱对电脑配置的依赖,大大节省运算时间,得到效率。



     
    公共资源比如基因表达数据库(GEO)和Array Express收集了大量的基因表达研究数据,通常情况下,实验数据被实验人员自行提交, 这个过程缺乏质量控制和统一管理,利用的时候将导致以下问题:

     描述模糊难理解
     样本冗余, 同样的研究样本被多次上传
     数据质量缺乏管理和监控
     无序/未作好分组标记的样本
     丢失病人的特征和临床描述
     样本错误标记

    GENEVESTIGATOR®的团队专家重新归纳和架构这些实验的结果,通过阅读实验所对应的原文,补充材料,网站甚至和作者联系获取数据库中每个样本最真实的描述。收录数据质量合格,对表达数据进行全局归一化,用标准化的语言对实验和样本重新进行描述,在分析结果的同时,对数据本身进行图像展示。


                   
                    把不同的组织,或者细胞系集中比较,寻找到具有特异表达分子标志物



                                                      重新统一注释样本,使分类更清晰


    医学和动物研究方向收集数据统计



    治疗领域

    GENEVESTIGATOR技术团队,通过重新挖掘,集成和注释超过500种疾病的治疗领域,尤其在以下的领域收集了极为广泛的信息:

     呼吸系统疾病:特别是IPF和慢性阻塞性肺病
     代谢紊乱:特别是糖尿病和代谢综合征
     心血管疾病
     神经变性疾病
     自身免疫疾病:特别是类风湿性关节炎,如炎症性肠病,银屑病等
     肿瘤:600种不同类型的肿瘤

    对于哺乳动物(人、小鼠、大鼠、猴、狗、猪),我们有以下的研究范围:



                             

    植物方向收集数据统计




    GENEVESTIGATOR®在植物学领域,有超过2000篇文章来引用。

    通过GENEVESTIGATOR®可以得到什么?

    1)分析实验找到有意义的基因或者样本
    2)确定影响感兴趣基因表达的实验条件
    3)识别选定条件下的特异性表达基因
    4)找到基因之间或条件之间的表达相似性

    由GENEVESTIGATOR®软件开发人员共同署名的文章:


    点击查看更多文章

    TEAM PUBLICATIONS

    Articles co-authored by members of the GENEVESTIGATOR team. For articles that have cited GENEVESTIGATOR, please check Google Scholar using the keyword "GENEVESTIGATOR".

    Zimmermann P, Bleuler S, Laule O, Martin F, Ivanov NV, Campanoni P, Oishi K, Lugon-Moulin N, Wyss M, Hruz T and W Gruissem (2014) ExpressionData - A public resource of high quality curated datasets representing gene expression across anatomy, development and experimental conditions.BioData Mining 2014, 7:18. [ Abstract ]

    Prasad A, Suresh Kumar S, Dessimoz C, Bleuler S, Laule O, Hruz T, Gruissem W, and P Zimmermann (2013)Global regulatory architecture of human, mouse and rat tissue transcriptomes.BMC Genomics 2013, 14:716. [ Abstract ]

    Meskauskiene R, Laule O, Ivanov NV, Martin F, Wyss M, Gruissem W, and P Zimmermann (2013) Controlled vocabularies for plant anatomical parts optimized for use in data analysis tools and for cross-species studies. Plant Methods 2013, 9:33. [ Abstract ]

    Hruz T, Wyss M, Lucas C, Laule O, von Rohr P, Zimmermann P, and S Bleuler (2013) A Multilevel Gamma-Clustering Layout Algorithm for Visualization of Biological Networks. Advances in Bioinformatics, vol. 2013, Article ID 920325, 10 pages, 2013. doi:10.1155/2013/920325. [ Full text ]

    Hruz T, Wyss M, Docquier M, Pfaffl MW, Masanetz S, Borghi L, Verbrugge P, Kalaydjieva L, Bleuler S, Laule O, Descombes P, Gruissem W and P Zimmermann (2011) RefGenes: identification of reliable and condition specific reference genes for RT-qPCR data normalization. BMC Genomics 2011, 12:156. [ Abstract ]

    Zimmermann P, Laule O, Schmitz J, Hruz T, Bleuler S, and W Gruissem (2008) Genevestigator Transcriptome Meta-Analysis and Biomarker Search Using Rice and Barley Gene Expression Databases. Molecular Plant 1 (5), 851-857. [ Abstract ]

    Hruz T, Laule O, Szabo G, Wessendorp F, Bleuler S, Oertle L, Widmayer P, Gruissem W and P Zimmermann (2008) Genevestigator V3: a reference expression database for the meta-analysis of transcriptomes.Advances in Bioinformatics 2008, 420747 [Full Text ]

    Bleuler S, Zimmermann P, Friberg M, and E Zitzler (2007) Discovering Trends in Gene Expression Data Using a Hybrid Evolutionary Algorithm. Algorithmic Operations Research, Vol 3(2)

    Grennan AK (2006) Genevestigator. Facilitating web-based gene-expression analysis. Plant Physiology 141(4):1164-6 [PubMed ]

    Hruz T, Hirsch-Hoffmann M, Gruissem W, and P Zimmermann (2006) Reducing Java Internet project risks: a case study of public measurement of client component functionality in the user community PPPJ06, pp. 199-202

    Laule O, Hirsch-Hoffmann M, Hruz T, Gruissem W, and P Zimmermann (2006) Web-based analysis of the mouse transcriptome using Genevestigator. BMC Bioinformatics 7, 311 [Full text ]

    Schöner D, Barkow S, Bleuler S, Bühlmann P, Gruissem W, Hennig L, Wille A, Zimmermmann P, and E Zitzler (2006) Network analysis of systems elements In: Plant Systems Biology (ed. S. Baginsky and A. Fernie), Birkhäuser Verlag.

    Hennig L and P Zimmermann (2006) Data warehouses - Your one-stop-shops for microarray data In: European Training and Networking Activity. Plant Genomics and Bioinformatics Expression Micro Arrays and Beyond – a course book (ed. J. Freitag), MPI-MPP 2006, Potsdam-Golm, pp. 211-217

    Zimmermann P, Schildknecht B, Garcia-Hernandez M, Gruissem W, Craigon D, Mukherjee G, May S, Parkinson H, Rhee S, Wagner U, and L Hennig (2006) MIAME/Plant - adding value to plant microarrray experiments Plant Methods  2 , 1 [PubMed ]

    Prelic A, Bleuler S, Zimmermann P, Wille A, Bühlmann P, Gruissem W, Hennig L, Thiele L, and E Zitzler (2006)A systematic comparison and evaluation of biclustering methods for gene expression data.Bioinformatics  22 , 1122-112 [PubMed ]

    Barkow S, Bleuler S, Prelic A, Zimmermann P, and E Zitzler (2006) BicAT: a biclustering analysis toolbox.Bioinformatics 22(10): 1282-1283 [PubMed ]

    Zimmermann P, Hennig L, and W Gruissem (2005) Gene expression analysis and network discovery using Genevestigator .Trends in Plant Science 9 10 , 407-409 [PubMed ]

    Zimmermann P, Hirsch-Hoffmann M, Hennig L, and W Gruissem (2004) GENEVESTIGATOR: Arabidopsis Microarray Database and Analysis Toolbox. Plant Physiology 136 1 , 2621-2632 [PubMed ] (most frequently cited GENEVESTIGATOR paper)

    Wille A, Zimmermann P, Vranová E, Bleuler S, Fürholz A, Hennig L, Laule O, Prelíc A, von Rohr P, Thiele L, Zitzler E, Gruissem W, and P Bühlmann (2004) Sparse graphical gaussian modeling for genetic regulatory network inference. Genome Biology  5 , R92.1-R92.13 [PubMed ]
  • 公共基因表达谱数据包含大量的宝贵信息,但是由于不同数据之间缺乏一致性而很难被整合利用(P Zimmermann , 2008)。GENEVESTIGATOR可以通过简单的几下点击鼠标来获得表达谱数据中蕴含的信息。对于实验分析,分为单实验分析和多实验分析:

    ■ 单实验分析:
    Single experiment tools: 在给定的实验条件下,展示基因的表达情况,以及识别显著表达的基因。

    ■ 多实验分析
    Condition search tools:寻找选择的靶基因在何种实验条件下被调控或者异常表达;
    Gene search Tools:在上千种实验条件中选取一种或多种选择的条件, 筛选出特异性表达的基因作为特异性的靶标/生物标志物;
    Similarity search tools: 通过组织,疾病,药物等信息,寻找产生相似表达谱的实验条件

    SINGLE EXPERIMENT ANALYSIS tools

    在给定的实验条件下,展示基因的表达情况,以及识别显著表达的基因。



    Samples tool 调研在GENEVESTIGATOR库中,选择的一个或多个基因在任意挑选的实验条件下(如组织,细胞系等), 基因的表达水平。可以知道在哪些样本中,基因有特异性表达,并得到这些样本的背景信息。



    Diff-Expression tool 强大的两两比较差异表达分析工具,利用Limma算法,结合多重校验(Benjamini Hochberg),使得结果更加可靠。散点图和基因在同一个界面展示,还对结果进行实时筛选,差异分析效率更高。


    CONDITION SEARCH tools

    寻找选择的靶基因在何种实验条件下被调控或者异常表达



    Anatomy /Cell Lines /Cancers tool. 在多个类别,即组织/细胞/肿瘤类型中,对选择的基因表达展示。 默认的排序顺序是该基因表达均值由高到低,每个箱线图表示在对应的组织/细胞/肿瘤所有的样本中, 该基因的表达统计结果。如果点击箱线图,会得到该类别所有样本表达,和对应样本分组背景信息。



    Perturbations tool. 利用这个工具,很容易确定显著影响基因表达的是何种实验条件。 在结果中可过滤倍数变化值筛选实验条件。 通过点击此行,可以得到所有该条件下样本的表达信息和分组背景。



    Development tool.
    选择的基因在所有发育阶段表达趋势进行汇总。 对于每一个阶段,GENEVESTIGTOR会计算出均值和标准差,并绘制成折线图的形式。


    GENE SEARCH tools

    在上千种实验条件中选取一种或多种选择的条件, 筛选出特异性表达的基因作为特异性的靶标/生物标志物



    Anatomy / Cell Lines / Cancers tools 这三个工具用来寻找到的基因,是在选定的组织/细胞系/以及肿瘤中有特异性表达,而在未选定的条件中没有特异性表达的基因标志物.



    Perturbations tool. 这个工具寻找到的基因,是在选定的对比实验,比如疾病与对照,外界刺激与对照,药物与对照等实验中,基因的表达有上调或者下调,而在未选定的对比实验中没有显著差异性表达的基因.都是在选定的实验条件中,寻找特异性表达的基因.与Anatomy / Cell Lines / Cancers tools不同的地方在于,这三个软件找到的基因是基于其表达值的特异性,而Perturbations tool 找到的基因是基于表达变化值的特异性.



    Development tool 利用这个工具,可以寻找到在特定的发育阶段,特异性表达的基因有哪些.



    RefGenes tool. 用于识别在选定的实验条件下,哪些基因的实验内方差最小.以这些基因作为RT-PCR的参考基因, 是最合适的.


    SIMILARITY SEARCH tools

    通过组织,疾病,药物等信息,寻找产生相似表达谱的实验条件



    Hierarchical Clustering tool.层次聚类方法,利用Leaf ordering法,对聚类的结果进行优化,得到更好的分类效果。



    Biclustering tool. 普通的聚类方法,是以所有的基因表达谱行和列的全局相似性进行划分。但是从生物学角度讲,一组基因的表达相似性,只可能存在在某些实验条件以内。如果运用所有的实验样本/条件对基因进行聚类,会掩盖真实的信息。
    双聚类的目的就是在基因表达数据矩阵中寻找同质的子矩阵,使得子矩阵中基因集在对应的条件集上表达波动一致,反之亦然。GENEVESTIGATOR软件的双聚类工具帮助识别这样的子矩阵,为疾病的亚型识别,致病机制以及分子标记的识别提供有效的工具。



    Co-Expression tool.这个工具用来识别在选定的实验条件下(组织,细胞系,肿瘤,外界刺激,疾病,发育等),哪些基因与靶基因共表达。在界面可以实时调节相关性的阈值,给定的阈值以上的基因相互关联。如果这个工具,和Perturbations tool.结合使用,可以发现更具有生物学意义的共表达集群。



    Signature tool. 利用这个工具,从整个GENEVESTIGATOR数据库中找到与自己的实验结果类似/完全相反的实验条件。只需要输入基因的表达/差异表达值即可运行搜索,输入的结果可以来自定量PCR,表达谱芯片或者RNA-Seq。


    General tool options

    其他工具选项



    Filtering options. 过滤选项.所有被归纳在GENEVESTIGATOR中的信息都是经过准确和结构化描述的语言,并经过专家核对.而且用户可以对分析对象(样本,实验,疾病,肿瘤,细胞系,模型等方面)进行勾选,比如: 样本状态可以选择野生型/非野生型,疾病属性可以选择急性/良性/慢性等等.



    Selecting experiments of interest.选择感兴趣的实验,比如疾病,实验条件,组织类型,或者通过关键词搜索,GEO或者ArrayExpress识别号等等.



    Viewing experimental details.对于GENEVESTIGATOR所有的工具,当鼠标移至界面中的基因或者实验条件时,其背景信息会展示.而且可以链接至源网站.
  • 上一篇:没有了
  • 下一篇:没有了