Wir führen umfassende bioinformatische Analysen an genomischen, transkriptomischen und proteomischen Datensätzen durch. Unter Verwendung der Programmiersprachen Python und R bieten wir statistische Modellierung, differentielle Expressionsanalyse und Datenvisualisierung an.
Qualitätskontrolle von RNA-seq-Daten, Alignment, Erstellung von Count-Matrizen, differentielle Expressionsanalyse und funktionelle Anreicherungsanalysen.
Variantenannotation, SNP/Indel-Filterung, Visualisierung von GWAS-Ergebnissen sowie Datenabruf und -verarbeitung aus öffentlichen Genomdatenbanken.
Protein-Protein-Interaktionsnetzwerke, Signalweg-Anreicherungsanalyse, GO-Term-Annotation und funktionelle Klassifizierungsstudien.
Korrekturen für multiples Testen, Regressionsmodelle, Clusteranalysen und auf maschinellem Lernen basierende Klassifizierungsmethoden.
Projektspezifische Python- und R-Skripte, Snakemake- oder Nextflow-basierte reproduzierbare Workflows und automatisierte Berichterstattungssysteme.
Qualitätsbewertung von Rohdaten, Filterung von Proben geringer Qualität, Batch-Effekt-Korrektur und Normalisierungsverfahren.
Differentielle Expression, Korrelationsanalysen, PCA, t-SNE, UMAP-Dimensionsreduktion und hierarchische Clustering-Methoden.
Heatmaps, Volcano-Plots, MA-Plots, Signalweg-Diagramme und interaktive Visualisierungen mit umfassenden Analyseberichten.
Detaillierte Dokumentation einschließlich aller verwendeten Codes, Parameter und Methoden. Ausführbare Berichte im R-Markdown- oder Jupyter-Notebook-Format.
Abbildungen in publikationsfähigen Vektorformaten (PDF, SVG), Heatmaps, Netzwerkdiagramme und statistische Zusammenfassungstabellen.
Umfassende Ergebnisdokumente, die statistische Erkenntnisse zusammenfassen, signifikante Gene oder Proteine auflisten und Empfehlungen für die nächsten Schritte geben.
Gedanken, die es wert sind geteilt zu werden, wenn sie reif sind. Kein Lärm, keine Werbung – nur Forschungsnotizen und Projekt-Updates.
