생물학/의학도 이제 Big data 시대입니다.
Big data 분석, 선택이 아닌 필수입니다.
- Next Generation Seqeuncing (NGS) 및 첨단 진단 기술로부터 수많은 Big Data들이 생산되고 있습니다.
- 편향되지 않은 보다 정확한 연구와 진단을 위해 Big Data 분석은 이제 선택이 아닌 필수입니다.
하지만 BT 지식과 IT 기술이 모두 필요합니다.
- Data의 규모가 매우 큰 만큼 강력한 컴퓨팅 파워와 프로그래밍 등 IT 기술이 필수적입니다.
- 생물학/의학 Big Data를 올바로 분석하기 위해서는 생물학/의학에 대한 깊이 있는 지식이 요구됩니다.
와 함께 하세요!
생물학 전문가가 함께 합니다.
BT 분야에서 다년 간의 연구 경험이 있는 전문가가 분석에 참여하여 data가 가진 생물학적/의학적 의미를 최대한 이끌어 냅니다.
분석에만 집중합니다.
Seqeuncing은 하지 않습니다. 오로지 data 분석에만 집중하여 빠르고 정확한 결과을 제공합니다.
기존 NGS 업체에서 제공된 data로 바로 분석합니다.
FASTQ, BAM/SAM, Count matrix (CSV, Excel) 등 모든 형태의 data들을 활용해 분석을 진행합니다.
최신 분석기술을 빠르게 도입하고 제공합니다.
Data의 처리, 분석 및 시각화 관련된 최신기술들을 항상 탐색하고 빠르게 도입하여 서비스합니다.
맞춤형 결과를 제공합니다.
논문, 발표자료 등에 바로 활용할 수 있는 맞춤형 결과를 제공합니다.
가 해결해 드립니다.
NGeneS 에 맡겨 주세요!
- Seqeuncing 업체에서 받으신 데이터, 그대로 보내주세요.
- 데이터가 가진 생물학적 정보(biological information)을 바탕으로 biological QC를 진행하여 숨은 의미, 놓친 의미까지 모두 찾아드립니다.
- 논문이나 발표에 바로 활용할 수 있는(ready-to-use) 결과를 제공합니다.
NGeneS 와 상의하세요!
- 온라인 무료상담을 예약하세요.
- 실험설계, sampling서부터 최종 결과 분석까지, NGeneS 가 도와 드립니다.
NGeneS 에 문의하세요!
- 공개 저장소(ex. GEO)에 등록된 데이터들과의 비교를 통해 더 많은 의미를 찾아낼 수 있습니다.
- 논문 혹은 공개 데이터의 등록번호만 알려주세요! NGeneS 가 비교분석을 진행해 드립니다.
NGeneS 에 물어보세요!
- 최근 발표되는 상급 논문들은 복잡한 NGS 데이터를 쉽게 설명하기 위해 다양한 그래프를 활용합니다.
- NGeneS 는 다양한 시각화 기술을 보유하고 있습니다! 아무리 복잡한 데이터도 쉽게 보여드리겠습니다.
Service Details
✓ Bulk RNA-seq
PCA analysis
- Sample들 간의 거리를 2차원 공간에 투사하여 상관관계를 시각화합니다.
- Group 내 동질성을 확인하고 outliner를 제거합니다(biological QC).
Gene ontology analysis | Gene ontology clustering | Gene network analysis | Pathway analysis | Gene set enrichment analysis
Gene ontology analysis
- DEG들의 기능을 대표할 수 있는 gene ontology (GO)를 찾아냅니다.
- 전사체의 변화가 갖는 생리학적 의미를 파악할 수 있게 돕습니다.
Gene ontology clustering
- GO term들을 그 유사성을 기반으로 clustering합니다.
- 중복적인 GO term들을 한데 묶어주어 거시적인 변화를 쉽게 조망할 수 있습니다.
Gene network analysis
- GO term들에 속한 DEG들과 GO term들 간 공유된 DEG들을 시각화합니다.
- 생리학적 변화를 이끌 것으로 예상되는 유전자들을 발견하게 돕습니다.
✓ Single Cell RNA-seq
Clustering
- 전사체의 유사성을 기준으로 비슷한 세포들을 cluster들로 묶습니다.
- Sample 내 세포들의 군집을 한 눈에 파악할 수 있으며 다른 분석들의 기본이 됩니다.
Marker selection
- 각 cluster에서 차별적으로 발현하는 표지유전자(marker)들을 도출합니다.
- 타 cluster 대비 발현차 및 신뢰도를 기준으로 유의적인 marker들을 선별합니다.
Knowledge based cell annotation
- 잘 알려진 marker들을 바탕으로 각 cluster가 어떤 종류의 세포들로 이뤄져 있는지를 판별합니다.
- 연구자가 자체 제공한 marker들도 활용 가능합니다.
Unbiased cell annotation
- Cell marker들에 대한 database를 참조하여 편향없는 세포 및 cluster 판별을 수행합니다.
- Sample에 성격에 맞는 database를 활용하여 신뢰도 높은 결과를 도출합니다.
Trajectory analysis
- 이웃 세포들 간에 나타나는 전사체의 점진적인 변화를 바탕으로 시간에 따른 변화를 추론합니다.
- 세포의 변화 혹은 분화경로(trajectory)를 재구성할 수 있습니다.
Cluster analysis based on markers
- Cluster 별 marker들을 이용하여 세포군들의 특성을 분석합니다.
- GO 및 GO cluster, Gene network 및 pathway 분석을 진행합니다.
Online Meeting
About us
김현이 Hyun-Yi Kim, Ph.D
BT Experience- 생명공학 박사 (세포신호전달계 전공)
- 15년 간 세포 및 조직 관련 연구경험
- SCI급 논문 23편에 주저자 및 공저자로 참여
- R 및 Python을 이용한 coding 및 data 분석
- Bulk/sc RNA-seq 및 Bisulfite-seq 분석
송준수 Jun-soo Song
BT Experience- 미생물학 학사
- 3년 간 분자진단 업무 수행
- SCI급 논문에 공저자로 참여
- R 및 Python을 이용한 coding 및 data 분석
- 한국바이오협회 빅데이터 분석과정 이수