HLA数据分析专题

HLA数据分析专题
HLA 全称human leukocyte antigen, 表示人类白细胞抗原，是编码主要组织相容性复合体(MHC)的基因，位于6p21.31的区域，包含了一系列紧密连锁的基因座，与人类的免疫系统功能密切相关，本文整理了HLA数据分析相关的资料。

首先是一些基本概念和公共数据库
•人类白细胞抗原-HLA简介
•IMGT/HLA数据库简介
•HLA Dictionary-Allel和抗原之间的对应关系
•ANFD-HLA在不同人群中的频率数据库
•HLA Epitope Registry-HLA抗原表位数据库
接下来是各种HLA分型软件
•HLAreporter : HLA分型软件简介
•HLAminer:根据NGS数据确定HLA分型结果
•opitype:对HLA I型基因进行4位分型
•seq2HLA:利用RNA_seq数据进行HLA分型
•HLA-VBSeq:对全基因组数据进行HLA分型
•使用HLAscan进行HLA分型
•HLAforest:使用RNA-seq数据进行HLA分型
HLA数据分析的首要目标就是对HLA基因进行精确分型，由于HLA在免疫过程中参与抗原分子的提呈，所以在免疫相关机制研究中占有重要地位，比如骨髓移植，抗肿瘤免疫，肿瘤新抗原等方向的研究。

·end·
—如果喜欢，快分享给你的朋友们吧—
往期精彩
•自己动手进行逻辑回归，你也可以！
•GWAS大家都知道，Gene-Based GWAS你了解吗？
•3步搞定GWAS中的Gene Set Analysis
•你听说过Epistasis吗？
•GWAS中的Gene-Gene Interactions如何分析？看这里•终于搞清楚了Lasso回归和Ridge回归的区别
•odd ratio置信区间的计算，你学会了吗？
•多元回归分析存在多重共线性了怎么办？
•基因型与表型的交互作用如何分析，多元回归来搞定
•曼哈顿图就够了吗?你还需要LocusZoom
•GWAS做完了，下一步做什么？
GWAS meta分析
•GWAS样本量不够怎么办，meta分析了解一下
•你没看错，搞定GWAS meta分析只需一行代码！
•meta分析的森林图不会画？看这里
•GWAMA:GWAS meta-analysis的又一利器
•点击鼠标即可完成GWAS meta分析，任何人都可以！
•用R进行gwas meta分析,原来如此简单
基因型填充
•GWAS中的genotype imputation简介
•基因型填充中的phasing究竟是什么
•基因型填充前的质控条件简介
•使用shapeit进行单倍型分析
•gtool:操作genotype data的利器
•使用IMPUTE2进行基因型填充
•使用Beagle进行基因型填充
•使用Minimac进行基因型填充
•使用Eagle2进行单倍型分析
•X染色体的基因型填充
•文献解读|不同基因型填充软件性能的比较
•Haplotype Reference Consortium:最大规模的单倍型数据库•Michigan Imputation Server:基因型填充的在线工具
CNV分析
•aCGH芯片简介
•aCGH芯片分析简介
•基于SNP芯片进行CNV分析中的基本知识点•PennCNV:利用SNP芯片检测CNV
•DGV:人类基因组结构变异数据库
•dbvar:染色体结构变异数据库
•DGVa:染色体结构变异数据库
•CNVD:疾病相关的CNV数据库•DECIPHER:疾病相关的CNV数据库
•全基因组数据CNV分析简介
•使用CNVnator进行CNV检测
•使用lumpy进行CNV检测
•CNVnator原理简介
•WES的CNV分析简介
•XHMM分析原理简介
•使用conifer进行WES的CNV分析
•使用EXCAVATOR2检测WES的CNV
•靶向测序的CNV分析简介
•使用CNVkit进行CNV分析
•DECoN:最高分辨率的CNV检测工具
TCGA
•TCGA数据库简介
•使用GDC在线查看TCGA数据
•使用gdc-client批量下载TCGA数据
•一文搞懂TCGA中的分析结果如何来
•通过GDC Legacy Archive下载TCGA原始数据•使用GDC API查看和下载TCGA的数据
•使用GDC下载TCGA肿瘤患者的临床信息
•使用TCGAbiolinks下载TCGA的数据
•使用TCGAbiolinks进行生存分析
•使用TCGAbiolinks分析TCGA中的表达谱数据
•使用TCGAbiolinks进行甲基化和转录组数据的联合分析•Broad GDAC:TCGA数据分析中心
•使用cBioPortal查看TCGA肿瘤数据
•UCSC Xena:癌症基因组学数据分析平台
•GEPIA:TCGA和GTEx表达谱数据分析平台•TANRIC:肿瘤相关lncRNA数据库
•SurvNet:基于网络的肿瘤biomarker基因查找算法•TCPA:肿瘤RPPA蛋白芯片数据中心
•TCGA Copy Number Portal:肿瘤拷贝数变异数据中心生存分析
•生存分析详细解读
•用R语言进行KM生存分析
•使用OncoLnc进行TCGA生存分析
•用R语言进行Cox回归生存分析
•使用kmplot在线进行生存分析
肿瘤数据库
•ICGC:国际肿瘤基因组协会简介
•HPA:人类蛋白图谱数据库
•Oncomine:肿瘤芯片数据库
•ONGene:基于文献检索的肿瘤基因数据库•oncomirdb:肿瘤相关的miRNA数据库
•TSGene:肿瘤抑癌基因数据库
•NCG:肿瘤驱动基因数据库
•mutagene:肿瘤突变频谱数据库
•CCLE:肿瘤细胞系百科全书
•mSignatureDB:肿瘤突变特征数据库
•GTEx:基因型和基因表达量关联数据库
肿瘤免疫和新抗原
•Cancer-Immunity Cycle:肿瘤免疫循环简介
•TMB:肿瘤突变负荷简介
•肿瘤微环境:Tumor microenvironment (TME)简介
•肿瘤浸润免疫细胞量化分析简介
•使用EPIC预测肿瘤微环境中免疫细胞构成
•TIMER:肿瘤浸润免疫细胞分析的综合网站
•quanTIseq:肿瘤浸润免疫细胞定量分析
•The Cancer Immunome Atlas:肿瘤免疫图谱数据库
•肿瘤新抗原简介
•TSNAdb:肿瘤新抗原数据库
•使用NetMHCpan进行肿瘤新抗原预测分析
Hi-C数据分析
•chromosome-territories:染色质疆域简介•chromosome conformation capture:染色质构象捕获技术•3C的衍生技术简介
•解密Hi-C数据分析中的分辨率
•A/B compartment:染色质区室简介
•TAD:拓扑关联结构域简介
•chromatin loops:染色质环简介
•Promoter Capture Hi-C:研究启动子区染色质互作的利器•使用HiCUP进行Hi-C数据预处理
•Juicer:Hi-C数据处理分析的利器
•Juicer软件的安装详解
•Juicebox:Hi-C数据可视化利器
•Juicer实战详解
•HiC-Pro:灵活的Hi-C数据处理软件
•HiC-Pro实战详解
•3D Genome Browser:Hi-C数据可视化工具•HiCPlotter:Hi-C数据可视化工具
•3CDB:基于3C技术的染色质互作信息数据库
•3DIV:染色质空间互作数据库
•4DGenome:染色质相互作用数据库
•4D nucleome project:染色质三维结构研究必不可少的参考项目•3dsnp:SNP在染色质环介导的调控网络中的分布数据库•iRegNet3D:疾病相关SNP位点在三维调控网络中的作用
•使用WashU Epigenome Browser可视化hi-c数据•HiGlass:高度定制的Hi-C数据可视化应用
•Hi-C Data Browser:Hi-C数据浏览器
•使用FitHiC评估染色质交互作用的显著性
•使用TADbit识别拓扑关联结构域
•使用pyGenomeTracks可视化hi-c数据
•hi-c辅助基因组组装简介
•文献解读|使用hi-C数据辅助埃及伊蚊基因组的组装
chip_seq数据分析
•Chip-seq简介
•chip_seq质量评估之计算样本间的相关性
•chip_seq质量评估之查看抗体富集效果
•chip_seq质量评估之PCA分析
•chip_seq质量评估之coverage分析
•chip_seq质量评估之FRiP Score
•chip_seq质量评估之cross correlation
•chip_seq质量评估之文库复杂度
•depth, bedgraph, bigwig之间的联系与区别
•bigwig归一化方式详解
•使用igvtools可视化测序深度分布
•使用UCSC基因组浏览器可视化测序深度分布数据
•使用deeptools查看reads分布特征
•使用phantompeakqualtools进行cross correlation分析•blacklist regions:NGS测序数据中的黑名单
•MACS:使用最广泛的peak calling软件之一
•MACS2 peak calling实战
•使用SICER进行peak calling
•使用HOMER进行peak calling
•peak注释信息揭秘
•PAVIS:对peak区域进行基因注释的在线工具
•使用UPORA对peak进行注释
•使用GREAT对peak进行功能注释•annoPeakR:一个peak注释的在线工具
•使用ChIPpeakAnno进行peak注释
•使用ChIPseeker进行peak注释
•使用PeakAnalyzer进行peak注释
•使用homer进行peak注释
•利用bedtools预测chip_seq数据的靶基因motif
•关于motif你需要知道的事
•详解motif的PFM矩阵
•详解motif的PWM矩阵
•使用WebLogo可视化motif
•使用seqLogo可视化motif
•使用ggseqlogo可视化motif
•MEME:motif分析的综合性工具
•使用MEME挖掘序列中的de novo motif
•使用DREME挖掘序列中的de novo motif
•使用MEME-ChIP挖掘序列中的de novo motif chip_seq数据库
•ENCODE project项目简介
•FactorBook:人和小鼠转录因子chip_seq数据库•ReMap:人类Chip-seq数据大全
•IHEC:国际人类表观基因组学联盟
•Epifactors:表观因子数据库
•GTRD:最全面的人和小鼠转录因子chip_seq数据库
•ChIP-Atlas:基于公共chip_seq数据进行分析挖掘•Cistrome DB:人和小鼠的chip_seq数据库•chipBase:转录因子调控网络数据
•unibind:human转录因子结合位点数据库•chip_seq在增强子研究中的应用
•DENdb:human增强子数据库
•VISTA:人和小鼠的增强子数据库•EnhancerAtlas:人和小鼠的增强子数据库•FANTOM5:人类增强子数据库
•TiED:人类组织特异性增强子数据库
•HEDD:增强子疾病相关数据库
•HACER:human增强子数据库
•SEdb:超级增强子数据库简介
•dbSUPER:人和小鼠中的超级增强子数据库•dbCoRC:核心转录因子数据库
•使用ROSE鉴定超级增强子
18年文章目录
•2018年推文合集。