[{"updtdttm":1732066435000,"interestat":"N","openatnm":"공개","simplecontents":"단백체 및 수식화 단백체의 이종 데이터 통합 분석을 위한 데이터 분석 파이프라인\n1. PTMOmics pipeline : Global to PTM (단백체 데이터에서 수식화 정보 도출기능)\n2. PTMSpectralSearch : 탄뎀질량분석스펙트럼의 라이브러리기반 수식화(인산화, 아세틸화, 당쇄화) 펩타이드 검색기능","rsrctypecd":"1237","title":"단백체 및 수식화 단백체 통합분석 파이프라인","delat":"N","viewcnt":1890,"wrtr":"김진영,안다솜,여명","replace_contents":"\r\n\r\n1. 단백체 및 수식화 단백체의 이종 데이터 통합 분석을 위한 데이터 분석 파이프라인\r\n\r\na. PTMOmics pipeline은 글로벌 단백체 데이터에서 수식화 정보 도출을 위한 것으로 단백체 실험 후 확인된 단백질 목록에 대해 Metascape (https://metascape.org)를 이용하는 Gene list analysis의 결과물인 Enriched Ontology(EO) cluster를 Cytoscape (https://cytoscape.org)에서 읽은 GONetwork에 포함된 단백질 목록 (***.CSV 파일)을 입력값으로 합니다.\r\n\r\nb. PTMSpectralSearch는 수식화(인산화)펩타이드 ID를 위한 것으로 탄뎀질량분석후 얻어진 raw 파일을 mzML이나 MS2로 컨버팅 후 사용가능합니다.\r\n\r\n \r\n\r\n2. 입력 데이터\r\n\r\na. PTMOmics pipeline: CSV 파일\r\n\r\nb. PTMSpectralSearch: RAW데이터에서 변환된 탄뎀질량스펙트럼의 MS2파일\r\n\r\n \r\n\r\n 3. 출력 데이터\r\n\r\na. PTMOmics pipeline: protein list (xlsx)\r\n\r\nb. PTMSpectralSearch:, peptide list (xlsx), ID peptide tandem mass spectrum image\r\n\r\n \r\n\r\n 4. 설치 및 사용 방법: 매뉴얼\r\n\r\n \r\n\r\n\r\n\r\n5. Citation 방법: The data analysis was performed using a PTMOmics pipeline. \r\n\r\n\r\n\r\n \r\n\r\n6. 대표이미지\r\n\r\n","contents":"
\r\n\r\n1. 단백체 및 수식화 단백체의 이종 데이터 통합 분석을 위한 데이터 분석 파이프라인
\r\n\r\na. PTMOmics pipeline은 글로벌 단백체 데이터에서 수식화 정보 도출을 위한 것으로 단백체 실험 후 확인된 단백질 목록에 대해 Metascape (https://metascape.org)를 이용하는 Gene list analysis의 결과물인 Enriched Ontology(EO) cluster를 Cytoscape (https://cytoscape.org)에서 읽은 GONetwork에 포함된 단백질 목록 (***.CSV 파일)을 입력값으로 합니다.
\r\n\r\nb. PTMSpectralSearch는 수식화(인산화)펩타이드 ID를 위한 것으로 탄뎀질량분석후 얻어진 raw 파일을 mzML이나 MS2로 컨버팅 후 사용가능합니다.
\r\n\r\n
\r\n\r\n2. 입력 데이터
\r\n\r\na. PTMOmics pipeline: CSV 파일
\r\n\r\nb. PTMSpectralSearch: RAW데이터에서 변환된 탄뎀질량스펙트럼의 MS2파일
\r\n\r\n
\r\n\r\n3. 출력 데이터
\r\n\r\na. PTMOmics pipeline: protein list (xlsx)
\r\n\r\nb. PTMSpectralSearch:, peptide list (xlsx), ID peptide tandem mass spectrum image
\r\n\r\n\r\n\r\n 4. 설치 및 사용 방법: 매뉴얼
\r\n\r\n\r\n\r\n\r\n\r\n5. Citation 방법: The data analysis was performed using a PTMOmics pipeline.
\r\n\r\n\r\n\r\n
\r\n\r\n6. 대표이미지
\r\n\r\n![](\"https://kbdsc.kisti.re.kr/common/getImage?path=kbds/temp_uploads/2024/04/&name=4gK7REXQE3IWik2.png\")
","keyword":"#단백체 #수식화단백체 #탄뎀질량분석","ssgigwan":"한국기초과학지원연구원","openat":"Y","rsrctypenm":"데이터셋","researcher":"0","regid":"suny3434","regdttm":1713085738000,"rank_val":1891,"divtblnm":"RSRC_MASTER","passdate":"N","rsrcmasterpk":380,"intrstcnt":1,"field":"Proteomics","rn":1,"commentcnt":0},{"updtdttm":1751527497000,"interestat":"N","openatnm":"공개","simplecontents":"","rsrctypecd":"1238","title":"마이크로바이옴 분석 파이프라인","delat":"N","viewcnt":1554,"wrtr":"김지현,송주연,이현권","replace_contents":"1. 분석 도구의 목적 : a. 미생물 메타유전체 데이터 자동화 분석, 유전체 자동화 분석 b. 대규모 메타유전체, 유전체 비교분석을 위한 효율적이고 정확하고 자동화된 파이프라인 \r\n2. 입력 데이터 : paired end short read metagenome data, short or long read genome sequencing data, assembled genome data3. 출력 데이터 : Image, fasta, tsv4. 설치 및 사용 방법 : - KBDS 에서 사용5. 레퍼런스 및 출판된 논문 정보 : - 추가예정6. Citation 방법 : - 추가예정\r\n7. 추가설명 : 한글 매뉴얼 위치입니다.\r\nhttps://github.com/aababc1/Microbiome_analysis_pipeline/tree/main\r\nhttps://kbdsc.kisti.re.kr/sg/slfDvlpAnlTool/8. 대표이미지 : \r\n","contents":"1. 분석 도구의 목적 :
a. 미생물 메타유전체 데이터 자동화 분석, 유전체 자동화 분석
b. 대규모 메타유전체, 유전체 비교분석을 위한 효율적이고 정확하고 자동화된 파이프라인
\r\n
2. 입력 데이터 : paired end short read metagenome data, short or long read genome sequencing data, assembled genome data
3. 출력 데이터 : Image, fasta, tsv
4. 설치 및 사용 방법 : - KBDS 에서 사용
5. 레퍼런스 및 출판된 논문 정보 : - 추가예정
6. Citation 방법 : - 추가예정
\r\n7. 추가설명 : 한글 매뉴얼 위치입니다.
\r\nhttps://github.com/aababc1/Microbiome_analysis_pipeline/tree/main
\r\nhttps://kbdsc.kisti.re.kr/sg/slfDvlpAnlTool/
8. 대표이미지 :
\r\n![](\"https://kbdsc.kisti.re.kr/common/getImage?path=kbds/temp_uploads/2024/04/&name=uRNMsjLSGZdYhSg.jpg\")
","keyword":"#파이프라인 #마이크로바이옴 #메타지놈 #비교유전체 #자동화 #고속","ssgigwan":"연세대학교(신촌)","openat":"Y","rsrctypenm":"분석도구","researcher":"0","regid":"aababc1","regdttm":1712887122000,"rank_val":1555,"divtblnm":"RSRC_MASTER","passdate":"N","rsrcmasterpk":378,"intrstcnt":1,"field":"Sequence alignment, Sequence assembly","rn":1,"commentcnt":0},{"updtdttm":1753167489000,"interestat":"N","openatnm":"공개","simplecontents":"NGS 데이터를 이용한 SNP/Indel의 분석을 통해 개체간의 변이 정도와 유전형에 따른 표현형 차이를 함께 분석함으로써 질병 및 형질관련 마커 개발 연구를 지원합니다.","rsrctypecd":"1239","title":"변이체 분석 ","delat":"N","viewcnt":1585,"wrtr":"(주)인실리코젠","replace_contents":"[활용분야]\r\n 1. 질병 연관 유전자 및 마커 탐색\r\n 2. 육종의 형질 (표현형) 연관 유전자 및 마커 탐색\r\n 3. 집단 유전학적 분석\r\n 4. 바이러스 및 병원성 미생물의 기원 및 변이 경향성 분석\r\n \r\n[입력 데이터]\r\n1) 유전형 데이터: WGS (Whole genome sequencing), WES (Whole Exom Seq), RNAseq, SNPchip, 변이정보(.VCF)\r\n2) 표현형 데이터\r\n - 질병 유무 + 메타정보 \r\n - 육종의 형질 정보 (크기, 성장속도, 색, 수량성 등) \r\n - 집단 유전학적 분석 - 샘플별 메타정보 \r\n - 바이러스 및 병원성 미생물의 기원 및 변이 경향성 분석 - 샘플별 메타정보\r\n \r\n[분석 방법 및 내용]\r\n 1. 개체별 단일염기 변이 탐색\r\n 2. 고품질 변이 선별, 집단분석을 통해 집단의 유전적 특성 확인\r\n 3. 유전형과 표현형 사이의 연관 분석 수행 (GWAS, Feature selection, Heterozygosity)\r\n 4. 머신러닝 모델 구축 및 유전형 기반의 표현형 예측 수행\r\n 5. 질병 및 육종 마커 발굴 및 활용\r\n \r\n\r\n[변이체 분석 프로세스]\r\n \r\n[분석 사례]\r\n1. 변이체 및 유용 펩타이드 분석사례:\r\n - 약리효과를 보이는 왕지네의 유전체 서열 완성\r\n - 유전자의 발현 양상 및 항염성 유용 펩타이드 연구, 기능성 화장품 개발에 활용\r\n - 변이 정보 이용, 왕지네 원산지 판별 마커 개발\r\n\r\n[왕지네 연구를 통한 화장품 소재 개발]\r\n \r\n2. 변이체 및 표현형 예측 모델 분석사례:\r\n - 밤알 크기 관련 21개 SNP 마커 발굴\r\n - 밤알 크기 예측을 위한 기계학습 모델 구축\r\n - PLS 알고리즘에서 70%의 예측 정확도 도출\r\n\r\n[AI 기술을 적용한 표현형 예측 사례]\r\n \r\n[관련 논문]\r\n1. NOH, Eun Soo, et al. Genotyping of Haliotis discus hannai and machine learning models to predict the heat resistant phenotype based on genotype. Frontiers in Genetics, 2023, 14: 1151427.\r\n2. YU, Go-Eun, et al. Machine learning, transcriptome, and genotyping chip analyses provide insights into SNP markers identifying flower color in Platycodon grandiflorus. Scientific Reports, 2021, 11.1: 8019.\r\n3. KANG, Min-Jeong, et al. Identification of transcriptome-wide, nut weight-associated SNPs in Castanea crenata. Scientific reports, 2019, 9.1: 13161.\r\n \r\n※ 분석서비스 게시물에 대한 자세한 내용이나 비용, 추가 문의 사항은 당사 홈페이지 (https://insilicogen.com/) 및 이메일 (info@insilicogen.com)을 이용해 주십시오.","contents":"[활용분야]
\r\n 1. 질병 연관 유전자 및 마커 탐색
\r\n 2. 육종의 형질 (표현형) 연관 유전자 및 마커 탐색
\r\n 3. 집단 유전학적 분석
\r\n 4. 바이러스 및 병원성 미생물의 기원 및 변이 경향성 분석
\r\n
\r\n[입력 데이터]
\r\n1) 유전형 데이터: WGS (Whole genome sequencing), WES (Whole Exom Seq), RNAseq, SNPchip, 변이정보(.VCF)
\r\n2) 표현형 데이터
\r\n - 질병 유무 + 메타정보
\r\n - 육종의 형질 정보 (크기, 성장속도, 색, 수량성 등)
\r\n - 집단 유전학적 분석 - 샘플별 메타정보
\r\n - 바이러스 및 병원성 미생물의 기원 및 변이 경향성 분석 - 샘플별 메타정보
\r\n
\r\n[분석 방법 및 내용]
\r\n 1. 개체별 단일염기 변이 탐색
\r\n 2. 고품질 변이 선별, 집단분석을 통해 집단의 유전적 특성 확인
\r\n 3. 유전형과 표현형 사이의 연관 분석 수행 (GWAS, Feature selection, Heterozygosity)
\r\n 4. 머신러닝 모델 구축 및 유전형 기반의 표현형 예측 수행
\r\n 5. 질병 및 육종 마커 발굴 및 활용
\r\n
\r\n![](\"https://kbdsc.kisti.re.kr/common/getImage?path=kbds/temp_uploads/2024/02/&name=iZN5fSrRU4lT5aJ.png\")
\r\n[변이체 분석 프로세스]
\r\n
\r\n[분석 사례]
\r\n1. 변이체 및 유용 펩타이드 분석사례:
\r\n - 약리효과를 보이는 왕지네의 유전체 서열 완성
\r\n - 유전자의 발현 양상 및 항염성 유용 펩타이드 연구, 기능성 화장품 개발에 활용
\r\n - 변이 정보 이용, 왕지네 원산지 판별 마커 개발
\r\n![](\"https://kbdsc.kisti.re.kr/common/getImage?path=kbds/temp_uploads/2024/02/&name=k2AsgzlM3mJvdtb.png\")
\r\n[왕지네 연구를 통한 화장품 소재 개발]
\r\n
\r\n2. 변이체 및 표현형 예측 모델 분석사례:
\r\n - 밤알 크기 관련 21개 SNP 마커 발굴
\r\n - 밤알 크기 예측을 위한 기계학습 모델 구축
\r\n - PLS 알고리즘에서 70%의 예측 정확도 도출
\r\n![](\"https://kbdsc.kisti.re.kr/common/getImage?path=kbds/temp_uploads/2024/02/&name=x9VbKWwsL084JNc.png\")
\r\n[AI 기술을 적용한 표현형 예측 사례]
\r\n
\r\n[관련 논문]
\r\n1. NOH, Eun Soo, et al. Genotyping of Haliotis discus hannai and machine learning models to predict the heat resistant phenotype based on genotype. Frontiers in Genetics, 2023, 14: 1151427.
\r\n2. YU, Go-Eun, et al. Machine learning, transcriptome, and genotyping chip analyses provide insights into SNP markers identifying flower color in Platycodon grandiflorus. Scientific Reports, 2021, 11.1: 8019.
\r\n3. KANG, Min-Jeong, et al. Identification of transcriptome-wide, nut weight-associated SNPs in Castanea crenata. Scientific reports, 2019, 9.1: 13161.
\r\n
\r\n※ 분석서비스 게시물에 대한 자세한 내용이나 비용, 추가 문의 사항은 당사 홈페이지 (https://insilicogen.com/) 및 이메일 (info@insilicogen.com)을 이용해 주십시오.
","keyword":"#돌연변이 #유전형 #GWAS #연관분석 #기계학습 #표현형예측","ssgigwan":"(주)인실리코젠","openat":"Y","rsrctypenm":"연구지원서비스(기업)","researcher":"0","regid":"insilicogen","regdttm":1708518948000,"rank_val":1592,"divtblnm":"RSRC_MASTER","passdate":"N","rsrcmasterpk":350,"intrstcnt":7,"field":"undefined","rn":1,"commentcnt":4},{"updtdttm":1701307174000,"interestat":"N","openatnm":"공개","simplecontents":"AI기반의 바이오 연구 협업 파트너 추천 알고리즘 개발에 관심있으신 분들을 환영합니다.","rsrctypecd":"1241","title":"데이터 기반 바이오 연구 협업 파트너 탐색 알고리즘 연구 동아리","delat":"N","viewcnt":928,"wrtr":"전승표","replace_contents":"AI기반의 바이오 연구 협업 파트너 추천 알고리즘 개발에 관심있으신 분들을 환영합니다.\n \n아직은 브레인스토밍 중입니다.\n \n다양한 경험을 가진 연구자들과 네트워크를 가지고 싶습니다.","contents":"AI기반의 바이오 연구 협업 파트너 추천 알고리즘 개발에 관심있으신 분들을 환영합니다.
\n
\n아직은 브레인스토밍 중입니다.
\n
\n다양한 경험을 가진 연구자들과 네트워크를 가지고 싶습니다.
","keyword":"#추천모델 #공동연구 #파트너추천","ssgigwan":"한국과학기술정보연구원","openat":"Y","rsrctypenm":"커뮤니티","researcher":"16","regid":"spjun","regdttm":1701307174000,"rank_val":932,"divtblnm":"COOP_CMMNT_MASTER","passdate":"N","rsrcmasterpk":40,"version":"","intrstcnt":4,"field":"신약, 의료기기, 뇌과학, 바이오제제, 혁신형 융복합, 보건, 종자, 지능형 농업, 해양 수산, 제품, 동-식물 치료, 바이오화학, 공정, 소재, 환경바이오","rn":1,"commentcnt":1}]