仪器对比
关注
国产
- 适用于各类植物的多组学分析研究
- 涵盖六大任务及深度学习的各类算法和网络架
- 可视化分析，拖拽连接即可
- 本地化部署，确保数据安全，支持多用户协作
- 支持自定义深度学习模型，内置百G级预训练
- 灵活架构，用户可选择和组合功能模块
- 快速分析大规模基因组数据
- 支持各类组学主流数据格式的导入与导出
一、产品简介
GSBrain是一款基于模块化和通用性设计为原则的可视化多组学AI分析平台，用户通过简单拖拽连接即可实现基因组等数据的分析评估，使得用户即使是非计算机背景也可轻松对多组学数据运用深度学习等技术进行处理和挖掘，功能包括全基因组选择(GS)、全基因组关联分析(GWAS)、基因同源度分析(HA)、拷贝数变异分析(CNV)、基因存在缺失变异分析(PAV)、启动子顺式调控元件(CRE)以及任意组学的DL分析挖掘等。此外，平台支持私有化部署，以保障用户数据隐私安全，并可通过云端同时支持多用户。
二、产品功能
基因组选择(GS)：利用基因标记数据预测个体的遗传潜力，以提高育种 选择效率;
全基因组关联分析(GWAS)：通过关联基因型与表型数据，寻找与特定性状相关 的基因位点及变异;
同源度分析(Homology Analysis)：比较不同物种或个体的基因或蛋白序列，揭示基因之 间的进化关系和功能相似性;
拷贝数变异(CNV)分析：检测基因组中基因的拷贝数变化，评估其对性状、 抗耐逆性或物种多样性中的作用;
基因存在缺失变异(PAV)分析：分析不同个体、品种或物种基因组中某些片段的缺失 或存在，揭示其对性状和多样性的影响;
顺式元件分析(CRE)：研究基因表达调控区域的顺式元件，探索基因表达 的时空特异性调控机制，揭示其在基因调控和响应 环境刺激中的功能;
个性化分析：基于通用性设计，支持基因组、转录组、蛋白组、代谢 组和表型组间的任意数值化信息的分析预测和AI挖掘。
三、技术参数
| 1 | 平台包括工具栏、画布、日志输出三个模块，允许用户零门槛可视化将工具栏中组件拖拽至画布进行连接，无需编程 |
| 2 | 支持常见的农业科研或教学的数据类型，支持的格式不低于5种，包括不限于基因组SNP数据和表格数据等 |
| 3 | 支持的协变量类型不低于两种，如PCA和Q矩阵 |
| 4 | 平台GWAS算法不低于5种，包括不限于EMMAX、GEMMA、rMVP、fastGWA、GLM |
| 5 | 平台全基因组选择算法不低于15种，包括不限于GBLUPRR-BLUP、LASSO、Elastic Net、ResNet 、VGG、DenseNet、 EfficientNet、 Xception |
| 6 | 支持多用户云端访问操作，私有化部署云平台保护用户数据隐私安全 |
| 7 | 支持经典机器学习算法和深度学习算法的运算，支持深度学习算法自定义关键参数，允许用户加载之前训练的模型开始训练 |
| 8 | 可视化组件支持对训练好后的决策树和随机森林模型进行树状结构的可视化查看，支持决策树的判断逻辑可视化查看；且同时至少支持4种以上的常见图表，包括不限于QQ plot、Manhattan plot、SNP density、Structure等 |
| 9 | 结果模块支持对经典机器学习和深度学习的所有组件的性能进行自动化评估，可自动计算r、R方、RMSE，MSE、MAE等 |
* 更多参数请与客服联系~
| 用户单位 | 采购时间 |
|---|---|
| 中国农业科学院郑州果树研究所 | 2024-08-01 |
90天
1年
安装调试现场免费培训
相关产品
