导读:本文包含了组学数据论文开题报告文献综述及选题提纲参考文献，主要关键词:数据中心,基因组学,科学数据共享,受控访问,系统运维,共享系统,公共数据,主数据,Biotechnology,学术杂志
组学数据论文文献综述
张佳星[1]（2019）在《国家基因组科学数据中心：整合中国组学资源，在国际舞台奏出“共享乐章”》一文中研究指出2018年、2019年连续两年，组学数据库权威杂志《核酸研究》对前一年的全球基因组数据库建设进行总结，鲜见地在美英两个老牌的数据库以外，提到了中国的GSA（组学原始数据归档库）。“美国国立生物技术信息中心（National Center for(本文来源于《科技日报》期刊2019-11-19）
焦二莉,陈博[2]（2019）在《基于组学数据表达谱的下呼吸道铜绿假单胞菌毒力基因exoS和exoU的共表达网络分析》一文中研究指出目的以铜绿假单胞菌的基因芯片为研究样本,并对其进行组学数据层面的挖掘,旨在从分子生物学的层面阐明下呼吸道铜绿假单胞菌毒力基因exoS和exoU的共表达网络特征,并发现其关键的调控基因。方法于2016年3月至2018年5月采用定群抽样的方法选取内蒙古包钢医院呼吸内科接诊并在该院接受后续治疗的312例下呼吸道铜绿假单胞菌感染者为受试对象,生物标本为患者的肺泡灌洗液及痰液。使用寡聚核苷酸探针对铜绿假单胞菌的基因进行检测,对芯片数据进行预处理。选择头孢他啶、庆大霉素、哌拉西林、阿米卡星、环丙沙星、左旋氧氟沙星、多尼培南、替卡西林共8种呼吸内科针对革兰阴性菌常用的抗菌药物对生物标本进行耐药性测定,利用MCODE算法构建以exoS/exoU为核心的耐药基因共表达网络模型。结果耐药组exoS/exoU表达量均显着高于非耐药组,差异有统计学意义(P<0.05);耐药组肺泡灌洗液标本前5位差异表达基因差异表达量从高到低排序依次为RAC1、ITGB1、ITGB5、CRK及IGF1R。痰标本顺序为RAC1、CRK、IGF1R、ITGB1及ITGB5。肺泡灌洗液标本中仅RAC1与exoS、exoU表达呈正相关性(P<0.05);痰标本中RAC1、ITGB1、ITGB5、CRK及IGF1R与exoS、exoU表达呈正相关性(P<0.05)。共表达网络中纳入的基因包括exoS、exoU、RAC1、ITGB1、ITGB5、CRK、CAMK2D、RHOA、FLNA、IGF1R、TGFBR2、FOS。其中RAC1基因调控能力评分最高(72.00),调控基因数最多(6个);其后依次为ITGB1、ITGB5及CRK基因。结论痰标本出现exoS和exoU高表达提示铜绿假单胞菌有更高概率产生耐药性;RAC1、ITGB1、ITGB5及CRK基因可能是调控exoS和exoU表达的关键基因。(本文来源于《国际检验医学杂志》期刊2019年20期）
徐欢,宋微,蔡雨晴,侯艳,李康[3]（2019）在《JIVE方法在卵巢癌多组学数据整合分析中的应用》一文中研究指出目的引入JIVE方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法使用TCGA数据库中卵巢癌mRNA和miRNA的组学数据,应用JIVE方法整合分析两个组学数据,提取两不同组学数据的共同特征,然后通过对其具有共同结构的数据做主成分分析,给出卵巢癌miRNA分子分型的结果。结果经过JIVE方法整合分析后,使miRNA数据具有明显与mRNA相一致的分型结构,从而进一步支持了mRNA的分型结果,同时揭示了两组学之间在组织分子分型上具有一定的调控关系。结论 JIVE方法可以用于提取组学之间存在的共同结构矩阵,从而进行多组学数据的整合分析。(本文来源于《中国卫生统计》期刊2019年05期）
蔡齐荣,吴璟莉[4]（2019）在《基于多组学数据识别癌症驱动通路的模型和算法》一文中研究指出通过整合体细胞突变、拷贝数变异和基因表达等3种组学数据,提出识别癌症驱动通路的改进最大权重子矩阵模型。该模型用通路中基因平均权重调控覆盖度和互斥度,对权重大的基因集覆盖度进行加强,同时放松其高互斥度约束。引入基于贪心算法的重组算子,提出求解该模型的单亲遗传算法PGA-MWS。采用胶质母细胞瘤和卵巢癌数据集对算法PGA-MWS和GA进行实验对比分析。实验结果显示,较GA方法,基于改进模型的PGA-MWS算法能识别出覆盖度高但互斥度不太高的基因集,且其识别的基因集中,许多均参与已知信号通路,并被证实与癌细胞密切相关,同时还能识别几种潜在的候选驱动通路,因此PGA-MWS方法可作为检测癌症驱动通路的一种有效补充。(本文来源于《计算机科学》期刊2019年09期）
蔡雨晴,宋微,徐欢,李康[5]（2019）在《差异网络分析方法在组学数据变量筛选中的应用》一文中研究指出组学数据(omics data),如基因组、转录组、蛋白质组和代谢组等数据能够反映疾病的发生、发展和预后的情况。对于组学数据的分析,主要是筛选有用的生物标志物、分析调控网络和建立预测模型。一般是通过变量差异表达量分析不同类别之间的差别。但在实际中,也可能有这样一种情况,即在不同分类中,变量的量值变化不大,但其网络拓扑结构(network topology structure,NTS)却发生了变化,这种情况同样能反映不同的生物学特征,并据(本文来源于《中国卫生统计》期刊2019年04期）
Mike,May,李楠[6]（2019）在《大数据转化:蛋白质组学的挑战》一文中研究指出蛋白质相关信息的获取需要世界各地科研人员之间的紧密协作,尤其大型数据集共享。数据的往来传递本身很简单,但是以一个可用性强的方式来共享数据却很难。人体中有大约20000个蛋白质编码基因,能翻译相应数量的蛋白质。然而,通过翻译后修饰会产生更多形态的蛋白质。截至2018年4月4日,人类蛋白质组图谱包含30057种蛋白质。将众多的分子与质谱(MS)这样的分析技术相结合,探索其微妙的联系,会产生海量的"大数据"。由(本文来源于《科学新闻》期刊2019年04期）
齐惠颖,江雨荷[7]（2019）在《基于多组学数据融合构建乳腺癌生存预测模型》一文中研究指出【目的】更好地预测乳腺癌生存期,探索融合多种组学数据利用机器学习方法构建乳腺癌生存预测模型。【方法】通过对TCGA数据库中乳腺癌的基因表达、拷贝数变异、DNA甲基化和蛋白质表达4种组学数据的融合,使用随机森林算法建立预测模型。【结果】在测试数据集上该模型对乳腺癌分类预测的精确率为97.22%,召回率为98.13%。通过AUC值对比不同类型组合组学数据的预测性能,融合多组学数据的AUC值为0.8393,性能最好。【局限】由于样本数量的限制,模型普适性还有待进一步验证。【结论】融合多种组学数据构建乳腺癌预测模型是一种有效提高预测性能的方法。(本文来源于《数据分析与知识发现》期刊2019年08期）
于紫月[8]（2019）在《我发布脑胶质瘤组学数据 将向全球免费开放》一文中研究指出科技日报北京7月8日电 （实习于紫月）8日，从首都医科大学附属北京天坛医院了解到，中国脑胶质瘤基因组图谱计划（CGGA）数据库近日发布2000例中国脑胶质瘤样本的功能基因组学数据。经过15年的临床标本和组学数据积累，目前该数据库日臻完善，全部基因(本文来源于《科技日报》期刊2019-07-09）
赵春江[9]（2019）在《植物表型组学大数据及其研究进展》一文中研究指出植物表型组学通过集成自动化平台装备和信息化技术手段,获取多尺度、多生境、多源异构植物表型海量数据,形成植物表型组学大数据,从组学高度系统深入地挖掘"基因型-表型-环境型"内在关系、全面揭示特定生物性状的形成机制,将极大地促进功能基因组学、作物分子育种与高效栽培的进程。本文概括了植物表型组学大数据的发展背景、含义、产生过程和特点,系统综述了植物表型组学大数据研究进展,包括植物表型数据获取与解析、植物表型组大数据管理及建库技术、表型性状预测和基于表型组的多重组学分析的进展;从植物表型数据采集标准、多样化表型配套设施和低成本表型设备研发、开放共享植物表型组大数据平台构建、表型大数据融合与挖掘理论方法、植物表型组学协同共享和互作机制五个方面探讨了当前植物表型组学大数据研究与应用中面临的问题和挑战;最后从加强植物表型组技术体系设计与标准研究、植物表型-环境感知机理研究和智能化设备研发、植物表型组大数据建设以及人才队伍和协作网络建设四个方面提出具体建议。(本文来源于《农业大数据学报》期刊2019年02期）
丁欢,陈丽虹,陈宇婧,岳容兆,杨敏[10]（2019）在《基于尿液代谢组学数据评价不同刮痧方案干预腰椎间盘突出症模型大鼠的效果》一文中研究指出背景:刮痧干预腰椎间盘突出症在临床得到广泛应用,利用代谢组学等分析技术对其作用机制进行研究。目的:使用气相色谱-质谱联用技术的代谢组学方法,探讨刮痧治疗腰椎间盘突出症大鼠尿液内源性代谢物的变化与其作用机制,并分析不同刮痧方案的疗效差异,以期规范标准化刮痧疗法,为临床应用提供参考和依据。方法:将48只雄性SD大鼠随机分为空白组、模型组、循经出痧组、穴位出痧组、循经不出痧组以及穴位不出痧组,各8只。选用自体髓核移植法复制腰椎间盘突出症大鼠模型,从造模第5天始,用不同刮痧方案干预,隔日1次,共9次。实验于2017年1月获得南京中医药大学实验动物伦理委员会审理批准。结果与结论:①同造模前相比,刮痧组及造模后的模型组机械痛阈值下降(P<0.01);②筛选后共得出15种潜在生物标志物和6条代谢通路。刮痧后3-(3-羟基苯基)丙酸、天冬氨酸和谷氨酰含量降低,甘氨酸、柠檬酸、环腺苷酸含量上升,通过调节丙氨酸,天冬氨酸和谷氨酸代谢通路以镇痛,甘氨酸,丝氨酸和苏氨酸代谢、乙醛酸和二羧酸代谢和叁羧酸循环以抗炎;③循经出痧组调节代谢物效果优于其他3组,推测其为治疗最佳刮痧方案。(本文来源于《中国组织工程研究》期刊2019年23期）
组学数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的以铜绿假单胞菌的基因芯片为研究样本,并对其进行组学数据层面的挖掘,旨在从分子生物学的层面阐明下呼吸道铜绿假单胞菌毒力基因exoS和exoU的共表达网络特征,并发现其关键的调控基因。方法于2016年3月至2018年5月采用定群抽样的方法选取内蒙古包钢医院呼吸内科接诊并在该院接受后续治疗的312例下呼吸道铜绿假单胞菌感染者为受试对象,生物标本为患者的肺泡灌洗液及痰液。使用寡聚核苷酸探针对铜绿假单胞菌的基因进行检测,对芯片数据进行预处理。选择头孢他啶、庆大霉素、哌拉西林、阿米卡星、环丙沙星、左旋氧氟沙星、多尼培南、替卡西林共8种呼吸内科针对革兰阴性菌常用的抗菌药物对生物标本进行耐药性测定,利用MCODE算法构建以exoS/exoU为核心的耐药基因共表达网络模型。结果耐药组exoS/exoU表达量均显着高于非耐药组,差异有统计学意义(P<0.05);耐药组肺泡灌洗液标本前5位差异表达基因差异表达量从高到低排序依次为RAC1、ITGB1、ITGB5、CRK及IGF1R。痰标本顺序为RAC1、CRK、IGF1R、ITGB1及ITGB5。肺泡灌洗液标本中仅RAC1与exoS、exoU表达呈正相关性(P<0.05);痰标本中RAC1、ITGB1、ITGB5、CRK及IGF1R与exoS、exoU表达呈正相关性(P<0.05)。共表达网络中纳入的基因包括exoS、exoU、RAC1、ITGB1、ITGB5、CRK、CAMK2D、RHOA、FLNA、IGF1R、TGFBR2、FOS。其中RAC1基因调控能力评分最高(72.00),调控基因数最多(6个);其后依次为ITGB1、ITGB5及CRK基因。结论痰标本出现exoS和exoU高表达提示铜绿假单胞菌有更高概率产生耐药性;RAC1、ITGB1、ITGB5及CRK基因可能是调控exoS和exoU表达的关键基因。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
组学数据论文参考文献
[1].张佳星.国家基因组科学数据中心：整合中国组学资源，在国际舞台奏出“共享乐章”[N].科技日报.2019
[2].焦二莉,陈博.基于组学数据表达谱的下呼吸道铜绿假单胞菌毒力基因exoS和exoU的共表达网络分析[J].国际检验医学杂志.2019
[3].徐欢,宋微,蔡雨晴,侯艳,李康.JIVE方法在卵巢癌多组学数据整合分析中的应用[J].中国卫生统计.2019
[4].蔡齐荣,吴璟莉.基于多组学数据识别癌症驱动通路的模型和算法[J].计算机科学.2019
[5].蔡雨晴,宋微,徐欢,李康.差异网络分析方法在组学数据变量筛选中的应用[J].中国卫生统计.2019
[6].Mike,May,李楠.大数据转化:蛋白质组学的挑战[J].科学新闻.2019
[7].齐惠颖,江雨荷.基于多组学数据融合构建乳腺癌生存预测模型[J].数据分析与知识发现.2019
[8].于紫月.我发布脑胶质瘤组学数据将向全球免费开放[N].科技日报.2019
[9].赵春江.植物表型组学大数据及其研究进展[J].农业大数据学报.2019
[10].丁欢,陈丽虹,陈宇婧,岳容兆,杨敏.基于尿液代谢组学数据评价不同刮痧方案干预腰椎间盘突出症模型大鼠的效果[J].中国组织工程研究.2019
标签：数据中心; 基因组学; 科学数据共享; 受控访问; 系统运维; 共享系统; 公共数据; 主数据; Biotechnology; 学术杂志;