生物信息学的工具箱
读取、分析和可视化基因组和蛋白质组数据
Bioinformatics Toolbox™提供了用于下一代测序(NGS)、微阵列分析、质谱分析和基因本体的算法和应用程序。使用工具箱功能，您可以从标准文件格式(如SAM、FASTA、CEL和CDF)以及在线数据库(如NCBI Gene Expression Omnibus和GenBank)读取基因组和蛋白质组数据®．您可以使用序列浏览器、空间热图和集群图来研究和可视化这些数据。工具箱还提供了用于检测峰值、为缺失数据输入值和选择特征的统计技术。
您可以组合工具箱功能来支持通用生物信息学工作流程。金宝app你可以使用ChIP-Seq数据来识别转录因子;分析RNA-Seq数据，识别差异表达基因;在微阵列数据中识别拷贝数变异和snp;并利用质谱数据对蛋白质谱进行分类。
了解更多关于计算生物学．
开始:
生物信息学工具箱为下一代测序分析提供了算法和可视化技术。该工具箱使您能够在以碱基对分辨率执行计算的同时分析整个基因组。您可以使用NGS浏览器使用单端或双端shor来可视化和调查短读比对您还可以构建自定义分析例程，如以下示例所示。
可视化和调查短读对齐
使用NGS浏览器，您可以验证和研究短读序列的比对，以支持测量遗传变异和基因表达的分析。金宝appNGS浏览器让你:
- 可视化与核苷酸参考序列对齐的短读数据
- 比较多个数据集对齐的公共参考序列
- 查看参考序列的不同碱基和区域的覆盖范围
- 调查对齐阅读的质量和其他细节
- 识别由于基调用错误或多态性而导致的不匹配
- 可视化插入和删除
- 检索相对于参考序列特定区域的要素注释
NGS浏览器，以粗体显示单核苷酸多态性(SNPs)。您可以显示数据的多个轨迹、检查峰值、识别插入和删除以及检查读取质量。
存储和管理短读序列数据
在下一代测序分析中使用的数据集往往太大，无法装入物理内存。生物信息学工具箱提供专门的数据容器，使您能够分析整个基因组。
的BioIndexedFile对象用于访问包含大小不一致的条目（如序列、注释和数据集的交叉引用）的文本文件的内容。您可以从表、平面文件或特定于应用程序的格式（如SAM、FASTA和FASTQ）生成这些对象。
的生物地图类存储来自短读序列的信息，包括序列头、读取序列、质量分数以及关于对齐和映射到单个引用序列的数据。可以使用对象属性和方法来探索、访问、筛选和操作BioMap对象中包含的数据。
微阵列正常化
可以使用几种方法对微阵列数据进行归一化，包括lowess、全局平均值、中值绝对偏差（MAD）和分位数归一化。您可以将这些方法应用于整个微阵列芯片或特定区域或块。过滤和插补功能允许您在运行分析和可视化例程之前清理原始数据。
数据分析与可视化
生物信息学工具箱允许您执行背景调整，并从Affymetrix计算基因（探针集）表达值®微阵列探针级数据使用鲁棒多阵列平均(RMA)和GC鲁棒多阵列平均(GCRMA)程序。您可以将圆形二值分割应用于阵列CGH数据，并估计来自微阵列实验的基因表达数据的多个假设检验的错误发现率。您还可以对多个Affymetrix CEL文件的探针强度或来自两种不同实验条件的基因表达值执行等级不变集规范化。
可视化微阵列数据的专门程序包括火山图、盒图、对数图、I-R图和微阵列的空间热图。你也可以用g带模式来形象化表意文字。
使用例程从统计和机器学习工具箱™，您可以对结果进行分类，执行分层和K-均值聚类，并以统计可视化方式表示微阵列数据，例如具有最佳叶序的2D聚类图、热图、主成分图和分类树。
微阵列数据的火山图显示了显著性与基因表达率的关系。
生物信息学工具箱为质谱数据分析提供了一套功能。这些功能可以对SELDI、MALDI、LC/MS和GC/MS数据进行预处理、分类和标记识别。预处理功能包括基线校正、平滑、校准和重采样。您可以使用M/Z轴对齐原始光谱数据，并对LC/MS和GC/MS数据执行保留时间对齐。您可以同时绘制多个光谱。
您可以平滑、对齐和标准化光谱，然后使用分类和统计学习工具创建分类器并识别潜在的生物标记
使用生物信息学工具箱进行无标签差异蛋白质组学和代谢组学分析。
图论与可视化
生物信息学工具箱使您能够将基本图论应用于稀疏矩阵。您可以创建、查看和操作图形，如交互图、层次图和路径。您可以在图中确定和查看最短路径，在有向图中测试循环，并发现两个图之间的同构。
统计学习与可视化
生物信息学工具箱提供基于分类和统计学习算法的功能统计和机器学习工具箱,包括:
- 金宝app支持向量机(SVM)和k近邻分类器
- 建立交叉验证实验和测量不同分类方法的性能的功能
- 用于特征选择、映射和显示层次图和路径的交互式工具
统计学习和可视化。
基因本体论
生物信息学工具箱使您能够从MATLAB中访问基因本体论数据库®，解析带有注释的基因本体文件，并获得本体的子集，如祖先、后代或亲属。
序列比对
工具箱提供用于序列分析的函数、对象和方法，包括成对序列、序列配置文件和多序列比对。这些包括:
- 用于局部和全局序列对齐的标准算法的MATLAB实现，如Needleman-Wunsch、Smith-Waterman和profile-hidden Markov模型算法
- 渐进式多序列比对
- 对齐结果矩阵的图形表示
- 标准评分矩阵，如PAM和BLOSUM矩阵族
- 一致序列计算和序列标识显示
探索图库(3张图片)
序列实用程序和统计
这个工具箱允许您操作和分析序列，以更深入地理解数据。您可以:
- 利用遗传密码将DNA或RNA序列转换为氨基酸序列
- 对序列进行统计分析，并在序列中搜索特定的模式
- 应用限制性内切酶和蛋白酶对序列进行硅内消化，或为测试用例创建随机序列
- RNA序列最小自由能二级结构的预测
序列可视化
工具箱使您能够可视化序列和比对。您可以查看带有GenBank功能注释的序列的线性或圆形地图。您可以可视化RNA序列的二级结构图。交互式查看器允许您探索和修改成对和多序列比对。
系统发育树分析
工具箱允许您创建和编辑系统发育树。可以使用广泛的相似性度量，如Jukes-Cantor、p-distance、校准得分或用户定义的距离方法，计算对齐或未对齐的核苷酸或氨基酸序列之间的成对距离。系统发育树采用分层连接技术，包括邻居连接、单连接和完全连接以及未加权对组方法平均(UPGMA)。
工具箱支持加权和重根树、金宝app计算子树和计算树的规范形式。系统发育树查看器可以让你修剪、重新排序和重命名分支;探索距离;读写newick格式的文件。您还可以使用MATLAB中的注释工具来创建具有表示质量的树。
蛋白质特征分析
该工具箱提供蛋白质序列分析技术，包括计算肽序列特性的程序，如原子组成、等电点和分子量。你可以确定蛋白质序列的氨基酸组成，用酶裂解蛋白质，并创建PDB数据的主干图和Ramachandran图。您可以使用序列工具来查看氨基酸序列的属性，或者使用分子查看器来显示和操作3D分子结构。
文件格式和数据库访问
您可以访问生物数据、在线数据库和网站的标准文件格式。生物信息学工具箱使您能够：
- 从标准文件格式（包括FASTA、PDB和SCF）读取序列数据
- 读取微阵列数据的文件格式，如Affymetrix DAT, EXP, CEL, CHP和CDF文件;ImaGene®结果格式数据;安捷伦科技公司®特征提取软件文件;和GenePix®GPR和GAL文件
- 从在线数据库（如GenBank、EMBL、NCBI BLAST和PDB）读取数据
- 使用单个命令直接从NCBI基因表达综合网站导入数据
- 从NCBI表意文字或UCSC细胞带文本文件中读取细胞遗传学带信息
- 从MZXML和JCAMP-DX文件中读取质谱数据
共享算法和部署应用程序
MATLAB提供的工具，让您把您的数据分析程序变成定制的软件应用程序。这些工具包括用于构建用户界面的开发工具、可视化集成开发环境和分析器。MATLAB应用程序部署产品可以让您将MATLAB算法与现有下载188bet金宝搏的C、c++和Java™应用程序集成，将开发的算法和自定义接口部署为独立的应用程序，将MATLAB算法转换为Microsoft®.NET或COM组件可以从任何基于COM的应用程序访问，并创建Microsoft Excel®插件。
您可以将MATLAB与常用的生物信息学工具(如BioPerl)、基于soap的Web服务和COM插件集成。
共享算法和部署应用程序。
