手头测序数据已分析多次, 挖掘的深度仍然不够, 距离发文章一步之遥, 与生信人员沟通起来费时费力! 01.工具集简介 百迈客云平台工具集共包含104款工具,覆盖12大功能类别,适合多种组学分析,让数据挖掘轻而易举;可快速添加示例,智能筛选文件,一键上传本地文件,使用更简便;平台设有详细的参数说明,以及界面点选式设置,参数呈现更透明; 02.热门工具 绘图工具(聚类热图、6元韦恩图、GO图、KEGG图)、差异组和分析、表格文件转tab文件、BLAST、FASTA工具集、WGCNA、基因功能注释、PCA分析、保守序列预测、蛋白互作网络图、原始数据污染程度预估工具、microRNA靶基因预测、Annovar变异注释、GATK突变检测和注释等; 03.成功案例 使用百迈客云平台可视化小工具的用户有13000+,一年内使用各种小工具分析或绘图超过10次的用户有1000+,利用各款小工具发表文章数已有20余篇。 ...

百迈客云作为针对生命科学家的“Turn-key BioCloud”,2015年初出茅庐,2016年开始全国推广,一路走来得到了像中科院陈润生院士等生信领域权威专家的大力支持和帮助。百迈客云日臻完善,集成式的计算资源和工具、交互性的操作界面、开放性的公共数据库、实用的培训讲堂、专业的开发支持团队、一站式体验模式,成为广大科研工作者生信分析智囊团,极大地加速了科研创新孵化进程,仅2017年一年内基于BMKCloud分析发表的SCI可谓是层出不穷,捷报频传。 研究热点揭秘 截止到11月3日,已发SCI数达到19篇,研究对象涵盖了粮食作物、经济作物、人、家禽家畜、水产、林木、花卉、瓜果等类型。植物类占比52.63%,动物类占比42.11%,医学类占比5.26%。发表的杂志有Archives of Toxicology(IF=5.905)、Frontiers in Plant Science(IF=4.298)、Scientific Reports (IF=4.259)等。累计影响因子为65.3。 云平台对这些文章都做了详尽梳理解析,点击即可查看: OsbZIP46、SAPK6基因共同过表达提升水稻抗旱能力Frontiers in Plant Science IF:4.298 通过转录组分析揭示马杜霉素在原代鸡心肌细胞中的毒性Archives of Toxicology  IF:5.905  小麦与禾谷胞囊线虫在侵染初始阶段的转录组响应 Scientific Reports IF:4.259 芜菁花芽转录组比较分析解析多倍体异常减数分裂过程Frontiers in Plant Science IF:4.298 单侧眼组织缺损和视网膜裂症的家族遗传原因Sci Rep .IF:4.259 图1 2017年基于BMKCloud分析发表的部分SCI文章 产出单位分布 从通讯作者所属地域来看的话,这些云平台的用户主要分布在全国12个省、直辖市,其中产出最多的单位是南京农业大学,17年基于BMKCloud发表了3篇SCI(累计IF 13.23),短期连发多篇文章的老师也不少,南海水产所喻达辉老师4个月内连发两篇(累计IF 6.298),南京农业大学的张艳丽老师更是在短短2个月内连发两篇(累计IF 7.329) 图2 部分科研单位的地理分布 分析平台热度排行 百迈客BMKCloud已推出25款分析平台,包括真核生物有参转录组、真核生物无参转录组、小RNA、长链非编码RNA、微生物多样性、重测序、ChIP-Seq、CircRNA、全转录组联合分析等多个平台,覆盖转录调控、微生物多样性、个体重测序、群体个性化分析等多种组学分析项目,可满足所有分析高通量测序数据整合分析及深度挖掘的需求。 从2017年已发表的SCI文章来看,使用频率最高的是有参转录组分析平台,占比63%,lncRNA分析平台和小RNA分析平台占比11%,另外医学外显子分析平台、微生物多样性分析平台、甲基化分析平台各占比5%。 图3 百迈客分析平台使用热度一览 云课程 让生物信息更简单 BMKCloud部署了185+课时的线上培训,囊括RNA系列、DNA系列、生物信息软件使用和大家讲坛等课程,每款APP(分析平台)都有详细说明及步骤提示,无论有没有生物信息学基础,用户都能够在短期内玩转各类分析。这些作者中有42.86%的老师是完全不懂生信的,约有50%的老师略知一二,仅7.14%对生信分析较了解。 BMKCloud热门个性化分析 除了主流程APP之外呢,BMKCloud上也部署了104个分析工具、3款工具集。涵盖12大功能类别(基因分析、遗传进化、ncRNA、质控、组装、比对、数据提取、突变、统计、表格处理、绘图、序列分析等)。基本上可满足所有转录组学分析的需求。图4展示了19篇文章中热门的个性化分析 图4 BMKCloud个性化分析示例 仅从这19篇SCI内相关分析内容来看的话,使用次数最高的分析依次是GO分析、热图、KEGG分析、韦恩图和COG分析。其中热图和GO分析使用率最高,均达到52.63%(图5);此外共表达趋势分析,蛋白互作分析等分析也应用较多。 图5 BMKCloud个性化分析热度一览   BMKCloud的便捷度 BMKCloud使用便捷,助您多角度进行分析挖掘,随时随地抓住分析灵感。 这些研究者中有35.71%的老师选择在8:00-19:00进行分析,选择晚上进行分析的老师占比21.43%,凌晨进行分析的占比7.14%。 这些研究者中所有拥有BMKCloud年账号的用户会对同一批样本进行2-4次分析和挖掘,而实现这些仅需要修改参数、阈值或更换参考基因组等后重新投递任务即可。避免了传统科技服务模式中多环节沟通,多次收费,出错率高的问题。 BMKCloud的速度 几乎所有的研究者从拿到数据到分析完成所需周期都在3个月内。35.7%的研究者1个月内就完成了文章内的全部分析内容,其他的研究者拿到数据到发表文章的周期都控制在6个月内。其中,中国农科院油料研究所胡琼老师项目组使用有参转录组分析平台投递了200G数据,7天就完成了整个主流程及个性化分析。 BMKCloud的口碑 云平台分析和文章转化的高效赢得了15000+用户以及广泛的认可度,所有研究者都对我们的演示、售后及便捷度做出了很高的评价,并表示愿意推荐给身边的科研同事及圈内朋友。2017年借助BMKCloud取得累累硕果的研究者们对云平台评价如下: (1)简单方便(流程标准化,图形化,操作简单,使用快捷,节省时间); (2)灵活自由(参数设置可随意更改,可随时随地分析以及查看进度); (3)可重复(可多次分析,分析工具种类多样,可以帮助挖掘出新的分析点); (4)云课堂以及文献资源很实用; (5)数据储存空间大; (6)公共数据库是大亮点。 广大科研用户的肯定,科研探索的累累硕果是对我们最好的肯定与鼓励。百迈客将一如既往地秉承“成就客户”的服务理念,持续迭代开发“云模式”,继续引领科技服务2.0时代,更好地服务于广大科研工作者。也希望越来越多的课题组能够享受到云平台的便捷与高效,发表更多更优质的文章!   年末福利 年底我们对老客户发文有感恩活动,如果您基于平台分析发表了SCI文章并引用了BMKCloud或www.biocloud.net,即可获赠1个月现有账号使用权限!   BMKCloud有别于传统的“服务器+命令行”的生信分析模式,是一种人人都可以分析的新型分析模式。百迈客云平台代表了科技服务的新趋势,我们已步入云端可视化自主分析的基因科技服务2.0时代了! 为感恩回馈各位新老用户对百迈客云的支持与关注,百迈客云现推出72款生物信息分析小工具供免费使用,希望在科研路上助您一臂之力!注册百迈客云平台即可免费使用。...

随着高通量测序在功能基因组学领域的广泛使用,转录组测序已经是常规的技术手段之一。通过调查近几年高通量测序转录调控相关文献发现,文献数目呈指数增长,但是绝大多数发表的文章水平普遍较低。进一步分析发现,大样本转录组数据的深入挖掘、结合非编码RNA进行联合分析是高分文章的常用手段。百迈客现推出大样本(全)转录组产品系列,目标直指转录调控高分文章。 1、配套针对性的实验设计和分析方案   2、个性化项目分析内容和数据挖掘思路   3、优化、美观、直接用于文章发表的图表   4、数据分析、文章图表绘制培训班   5、百迈客云APP个性化分析至文章发表   6、结合公共数据进行百迈客云分析   7、搭建物种研究方向的转录调控数据库   立即体验...

随着高通量测序行业的高速发展,测序价格大幅下降,单价的下降促成了转录组数据的爆发式增长,随之而来的突出矛盾是模板化分析无法满足发表文章的需求,需要对测序数据进行深入的挖掘!另外一方面是许多科研君并不具有数据挖掘经验和思路,也不具有生信分析基础,不知道怎么选取数据挖掘工具,摸索周期长,数据转化慢,文章发表周期长! 为了解决上述的问题,我们公司重磅推出“云次账号”这一产品。简单来说就是我们开发了集成生物信息分析软件、数据库以及云计算为一体的生物数据信息分析平台。而“云次账号”是在传统的科技服务的基础上利用百迈客云集成的标准分析流程及个性化分析工具,为广大科研君提供从建库测序到文章发表的一站式服务!     丰度的数据挖掘工具     可提交给美观、个性化的分析结果     百迈客转录调控研究云次账号已全面开启,蓄势待发!期待与您的精诚合作,早日实现高分文章发表。 点击按钮,即可免费试用!   申请免费试用 名额有限,先到先得!...

近年来,随着测序技术的不断升级,测序通量越来越高,同时测序成本直线下降,高通量测序技术逐渐应用在科研、医疗、健康等各个研究领域。伴随着大数据处理关键技术的突破和数据共享等契机的发展,大数据将在促进生物学发展中发挥重要的作用。 测序技术在生物学研究中的发展分成三个阶段: 第一个阶段:Genome Center唱独角戏。在这个方向刚兴起的初期,人才储备较少,产出数据的成本也很大,只有少量的国家支持的Genome Center可以从事这方面的系统研究,做生物信息开发的目的也比较明确,就是为了完成基因组中心所承担的一些重大国家科研课题。 第二个阶段:高通量测序技术的进步和基因科技服务公司的崛起。当很多科学家看到了有那么多空白的山头待开发,同时数据产出的成本也大幅降低情况下,科学家们对组学研究都跃跃欲试,科技服务的市场需求就出现了,同时经过多年的人才储备,也有了一定数量的技术人员,为科技服务公司的出现打下了人力基础。这个阶段生物信息开发注重的是“pipeline”,这样能提高服务的效率,让公司能更好的发展。 第三个阶段:大数据的积累和丰富多样的个性化分析需求。随着NGS技术的不断发展,测序成本不断降低,数据积累也越来越快,同时随着科学家对数据理解的深入,科学家的思路大大开拓,各种个性化的数据分析想法大量涌入脑海,“personalized”成为了这个阶段的生物信息开发要满足的关键需求。目前,测序技术在生物学研究中的应用已经逐渐进入了第三个阶段,基因大数据的价值已经在很多方面超越了自己新测序项目的产出,同时传统基因科技服务公司提供的“pipeline”的分析结果已越来越难满足科研工作者的需求,一方面是分析工具和个性化的分析需求得不到满足;另一方面,孤立的单个项目的数据分析形式越来越不能满足科研的需要。能不能利用可视化的分析工具进行基因大数据的深入挖掘成为了能否在基因研究2.0时代成为佼佼者的关键因素。 测序数据量呈指数级增长 Nature Reviews Genetics报道称,目前已发表的高通量测序数据利用率不足20%,很多有价值的信息被研究者所忽略,基于公共数据挖掘和分析将成为科学研究发展的趋势。例如,2015年 Nature Genetics发表的文章通过分析正常组织和各种常见类型癌症组织7256个转录组测序样本,43T转录组数据中鉴定得到58000个lncRNA;发现上千种lncRNAs 在癌症组织中特异表达,可以作为新的肿瘤标记物。2014年 Genome Biology 发表的文章通过研究13种组织和30个玉米转录组数据中LncRNAs的表达,鉴定出了20163个推测的LncRNAs, 并对LncRNAs的组织特异性的表达调控网络进行了解析。最有代表性的是最大的癌症基因信息的数据库,Cancer Genome Atlas/TCGA蕴藏着难以想象的宝贵信息,围绕TCGA已经有很多重量级文章出现,PubMed收录的利用其进行数据挖掘发表的文章已经超过1500篇,而且对它的使用必然愈发重要。可以说,已经公开的高通量测序数据如同“金矿”一般,具有极高的学术价值。然而,科研工作者一方面不方便获取符合自己需求的数据,数据的整合、分类、下载也会耗费较多的精力;另一个方面,缺少一个高效、易用的数据分析平台,自主搭建一个大数据分析平台,无论是硬件、软件,还是人力、财力都是巨大的挑战。这两个因素导致大量的基因数据沉睡在哪里,不能很好的挖掘出其中的价值。 图1. 整合6503个来源18个器官的人类RNA-seq公共数据集,分开组装->混合组装(Meta-assembly)->merge后得到384,066个高可信度人类转录本,用于后续功能分析。 Iyer MK et al. The landscape of long noncoding RNAs in the human transcriptome.   Nat Genet.  2015 图2. 整合171个棉属RNA-seq公共数据集,基于海岛棉基因组进行棉属转录本重构,基于重构的转录本序列信息,从中鉴定得到35,268个lncRNA,用于后续棉纤维发育相关lncRNA鉴定。 Wang M et al.  Long noncoding RNAs and their proposed functions in fibre development of cotton (Gossypium...

生物信息和科技服务行业正在经历从1.0时代向2.0时代的变迁。在这个变迁的浪潮下,生物科研工作者,科技服务从业人员都面临着哪些挑战和机遇?从业十五年的百迈客CEO郑洪坤认为:云模式,才是打开基因科技服务2.0时代的正确方式。   基因科技服务1.0时代:测序数据少,分析以标准分析为主且主要由服务公司完成 我很有幸一入行就进入了生物信息行业,到现在算起来也有15年了。这些年见证了生物信息和科技服务行业的发展。科技服务在一代测序时代就存在,爆发式发展是从二代测序开始之后,随着二代测序进入市场,测序价格大幅下降,二代测序被更多的科研工作者应用。科技服务的模式的初期,由于测序数据少,科学家们选择一些有特点的物种、品种或者性状进行测序,数据稍加分析就可以得到让科研工作者为之兴奋的结果,科研的创新度较高,发文章的概率也高,因此大大激发了科研人员用测序技术做研究的热情。这个测序数据较少,分析要求不高且分析工作单纯的由服务公司来做的阶段可以定义为“科技服务1.0时代”。   基因科技服务2.0时代:PB级公共数据、云端可视化自主分析的基因大数据挖掘时代 随着技术的不断发展,测序成本越来越低,数据也越测越多,已经提交到NCBI SRA数据库的数据就已经达到12P以上。特别是人、水稻、小鼠、玉米、猪、牛、大豆等一些重要物种数据积累的数量巨大,而且持续保持着高速增长。其中蕴含的巨大价值也开始引起广大科研工作者的兴趣,同时科技服务1.0模式中的数据挖掘程度已经不能满足科研的需求,科学家对数据做更深入挖掘的需求越来越高,需要更多探索性的、个性化的分析,以从众多同质化的科研项目中脱颖而出。 图1.公共数据逐年增长情况 图2.Top10公共数据分类(单位:Tbases) 数据分析要求变高,对科技服务类公司无疑是个大的挑战。首先,对科研数据的深入挖掘往往涉及到更深层次的科学问题,个性化程度极强,这就要求生物信息人员不但要掌握生信专业知识和技能,还有有相对丰富的生物学知识,才能真正理解科学家的需求,对服务人员的要求大大提高;其次,由于科研工作本身探索的就是未知领域,存在相当的不确定性,数据分析的结果不一定和科学家最初的科研设计一致,会导致科学家对服务公司的满意度不高。因此科研工作者开始不断的换公司进行尝试,随着小公司的不断涌现,稂莠不齐,科技服务市场也越来越混乱。数据分析同质化严重,数据深入挖掘程度不足,沟通效率低,分析成本高等开始制约科技服务行业的发展。因此必须通过变革,用一种新的更高效的模式来逐步优化现有的科技服务模式。 因此很多人都想到搭建生物云平台,在云端放上需要的软件,放上需要的数据,让科研工作者可以自己去分析,可以根据自己的需求去做深入数据挖掘,提高科研效率。有不少公司开发了生物云平台,但是能被科研工作者所广泛应用却不是一个容易的事情。 适合生物科研工作者的云平台必需具备以下四点要求:首先,需要对客户数据分析需求有深入的了解,这就需要有非常丰富的的分析经验,并且可以在现有科技服务模式上不断提炼客户新的需求;其次,要保障所用软件数据准确性,就需要丰富的实践经验,需要有多年、成千上万项目的积累;再次,要让生物信息开发和IT开发“两手抓,两手都要硬”,即要保证云计算底层架构是符合基因大数据研究的需要,也要保障生物信息软件符合IT开发的高要求,可视化并简单易用的;最后,要有符合当前客户特点的培训体系,让客户能快速上手操作,在平台上能够很容易找到实现自己需求的分析工具和数据。 如此“高配”的要求,正是导致之前开发的一些云平台不能为科研工作者所用的真正原因。这些平台,要么里面只有标准化流程,客户想要解决的深入挖掘问题不能实现,要么只是各种软件叠加上去,客户看着无从下手;又或者只是在云计算的底层做了大量开发,而应用层开发不到位,导致客户根本不会用。   “百迈客云”使以上问题得到破解。百迈客8年的科技服务经验中提炼出的客户需求,数以万计的项目分析经验保证了分析的准确性,生物信息人才和计算机人才团队的紧密合作,多年生物信息培训班等知识传播经验为百迈客云平台的开发和应用提供了有力的保障。从而使云平台能够更好的满足客户数据深入挖掘的需求,能够在科研工作者中广泛推广和轻松使用。这种模式让我们的研究人员有更多的精力去把握科学技术前沿发展,设计科研的思路,不用担心生物信息和IT的技术问题,真正实现了我们一直以来希望的客户通过云平台自己做分析,相比科技服务1.0模式是一个颠覆性的变革,“授人以鱼不如授人以渔”,这种可以让生物学家在云端对自有数据结合PB级公共数据自主进行可视化、交互式基因大数据挖掘的科技服务模式我把它定义为“科技服务 2.0 时代”。   百迈客云,让每个课题组都轻松具备生信分析能力,引领基因科技服务2.0时代 图3.基因科技服务2.0时代 百迈客云提供了“云服务”和“云账号”两种模式。 “云服务”是测序分析的项目以“云服务”的模式开展,所有的项目数据都会推送到云上,标准分析都由技术人员完成,项目相关的数据深入挖掘和个性化分析部分由技术人员带领客户在云上进行,客户也可以自主在云端进行数据分析,简单来说就是数据分析科研人员想自己做就自己做,不想自己做就交给公司做,这种模式能够解决服务公司售后个性化分析期限的问题,科研人员可以在云上进行分析,直到文章的发表;“云账号”主要针对做过或熟悉高通量测序,手里有一些没有完全挖掘的数据,还想充分利用公用数据的用户,经过简单的培训后,就可以在云平台上自主分析数据,多种分析软件都可以使用,深入挖掘自己以前的所有项目数据,也可以利用NCBI等公共数据进行挖掘研究,课题组的多个成员可以同时开展多个项目,提高研究的效率。 科技服务2.0时代对科研工作者是一个新的机遇。对于科研经费相对充足的科学家,自己往往做较多的测序项目,以云模式进行分析能节省大量的分析经费,提高经费的使用效率,产出更多科研成果。对于科研经费相对不太充裕的科学家,可以通过充分利用公共数据进行科学研究,节省了不必要的测序费用,用云模式同样可以产出丰硕的科研成果。 百迈客云从2013年开始开发,经过小伙伴们2年多的开发和内部外部测试,以每周一个新版本的迭代速度于2015年正式迈入市场,成为针对更多生命科学家的“Turn-key BioCloud”,2016年开始全国推广。百迈客云得到了像中国科学院院士陈润生院士、中科院基因组所于军研究员、北京大学罗静初教授等中国生物信息领域的权威专家的大力支持和帮助。百迈客云日臻完善,可以开放的让科研工作者来体验和使用,目前已经有上万科研用户注册使用,开启了云端自主数据深入挖掘的新时代。得到广大科研用户的肯定是对我们最大的鼓励,百迈客“云模式”将持续迭代开发,继续引领科技服务2.0时代,更好的服务于科研工作者,加速科研创新,“成就客户”是我们服务的理念,让每一个课题组都具备生物信息分析能力,让每一位科学家能从百迈客云模式中受益。   立即体验...

全新的聚类热图已经上线啦~ 热图绘制工具增加了图片编辑与图片&列表交互功能。 图像编辑功能可实现热图颜色调整、样本名修改、基因名修改、字体修改,同时支持png、pdf、svg不同尺寸图片保存,方便大家在进行文章投稿过程或日常数据整理过程中对图片的修改。 图片与列表交互功能可实现对聚类热图中各个聚类模块内基因ID及其表达量信息的提取,利用该交互功能得到的信息,结合云平台上表达模式分析工具、基因功能分析工具及文件操作工具,可深入挖掘聚类热图上不同聚类模块内基因集合的表达模式与功能信息。 接下来小云为您展示一下聚类热图应用场景: 文献场景1 文献场景2 文献场景3 应用示例...

若你需要分类,其实我很美——分类柱图&分类饼图   利用图片展示基因分类统计结果会更加直观,小云准备了分类柱图和分类饼图两款小工具给大家,只需登录百迈客云平台,在“分析平台”——“综合”——“绘图工具”中就能找到它们,免费使用更划算的。 小云一次交两份作业是不是很厉害?跟我一起体验下它们吧~ 分类饼图 这款工具可统计输入文件列表中,NR的功能分类情况或者一般性的字段并绘制饼图。同时可根据饼图调取每个分类对应的数据详情列表,并进行搜索操作。 按照说明上传文件就可以画出美美的饼图啦,好奇宝宝们也可以直接添加示例文件进行绘图,深入了解下这款小工具。 呐,根据示例文件绘出的图形长这样。我们家饼图同学有三副面孔,配色很好看呢。 点击图片底部的基因分类小方格就可以添加或者删除该分类。 还可以按照个人需要调整格式,动动手指就能拿到真·私人订制·饼图,挑你心仪的形状格式就可以直接下载带走了,一定要画个饼图感受小云的厉害啊喂~ 分类柱图 这款小工具可统计输入的基因功能列表中,COG、KOG、KEGG、NR以及其他类型信息的分类情况并绘制柱图,也可比较全部基因和部分目标基因的分类差异。同时可根据柱图调取每个子分类对应的基因详情列表,并进行调整、搜索、排序等操作。 按照说明上传文件就可以画出柱图啦,好奇宝宝们同样可以直接添加示例文件进行绘图,深入了解下这款小工具。 根据示例文件绘出的图形长这样,鼠标悬停在柱图上就会直接显示数据。 同样可以根据需要对柱图进行详细调整,标题字号统统都能自行设置,图片和表格数据都可以下载打包带走。 有了这两款小工具,分类作图是不是也要变成一种享受了?图好看成就感也upup! 这些小工具只是冰山一角,还有超多功能小云会为大家陆续介绍的,请多多关注百迈客云。更多精彩,一起期待!...

新技能:如何在NCBI按照影响因子查找文章   作为一只科研狗,在NCBI上搜索文章是最基本的生存技能。NCBI上的PubMed 是一个免费的搜索引擎,提供生物医学方面的论文搜索以及摘要,目前收录有至少2600万文章。其网址如下:https://www.ncbi.nlm.nih.gov/pubmed。 例如我们想搜索水稻的转录组文章,可以输入关键词rice transcriptome,共有881篇文章。PubMed检索出的文章可以按照发表时间、匹配度、作者、期刊、标题等进行排序,但是很多时候我们想搜索一些发表在影响因子比较高的期刊上的文章,如何对影响因子进行限定呢?这就需要用到PubMed的Filter功能。 首先,你需要一个NCBI的账号,点击右上角的Sign in to NCBI,简单注册之后,点击create account,即可获得NCBI的账号。 现在,可以点击右侧上部的Manage Filters,创建新的filter用于按照影响因子筛选文章。然后点击Create custom filter按钮。 然后就会出现下面的对话框: 在打开的对话框Query  terms中复制粘贴以下字符: “CA-CANCER J CLIN”[journal] or “NEW ENGL J MED”[journal] or “NAT REV DRUG DISCOV”[journal] or “LANCET”[journal] or “NAT BIOTECHNOL”[journal] or “NAT REV IMMUNOL”[journal] or “NAT MATER”[journal] or “NAT REV MOL CELL BIO”[journal] or “NATURE”[journal] or “ANNU...