我们的服务范围和报价

服务范围和报价

介绍

Gene to Health Limited 很高兴为您量身定做我们全面的服务范围和报价，以支持您的研究实验室的数据分析和组学研究需求。 利用我们在人类遗传学和生物信息学分析方面的专业知识，我们致力于提供博士水平的、高质量的、经济高效的解决方案，以助力您的研究取得成功。

报价单

所有基本价格均以港币（ HKD ）为单位，并会根据项目范围和具体要求发生变化。

估计总成本： 因所选服务而异

特别套餐优惠：对于选择多种（>3）服务的客户，可享受 10% 的折扣。

条款与细则

一.  付款条件： 协议时预付30%，项目完成后70%。 或者通过谈判的里程碑。 所有付款应在发票日期后 30 天内结清。

二.  交货时间： 取决于项目范围; 预计2-12周。

三.  修订： 每个可交付结果最多包括两轮主要修订和五轮次要修订。

四.  保密性： 所有客户数据都将严格保密。

五.  有效期： 報價自簽發之日起 30 天內有效。

六.  可交付性： 所有分析的数据、软件输出、渠道指令和可交付结果（例如数字、表格、训练模型、参数）都将返回给客户。 生成的脚本的可用性是可以协商的，具体取决于合同范围、客户需求和关键知识产权的参与。

服务范围

生物信息学服务

1. 基於 GWAS 的统计分析

描述： 遗传数据的综合全基因组关联分析 （GWAS），以确定遗传变异与各种表型性状之间的关联。

工具和软件 ：

• 主要： PLINK、REGENIE、GCTA、GATK
• 附加： LDSC、FUMA、BOLT-LMM、EIGENSOFT、SNPTEST、EMMAX、METAL、FINEMAP

渠道和流程：

• 数据清理和品质控制： 通过去除低质量的样本和变体来确保数据完整性。
• 种群分层： 使用主成分分析 （PCA） 校正种群结构。
• 全基因組關聯研究 （ GWAS ）： 識別與特定性狀相關的重要遺傳變異。
• 遗传力估计： 计算遗传因素解释的方差比例。
• 插补： 使用参考面板增强基因型数据完整性。
• Meta 分析： 结合多项研究的结果以提高统计功效。

2. 单细胞组学分析

描述： 对单细胞基因组和转录组数据进行详细分析，以了解细胞异质性和复杂的生物过程。

工具和软件 ：

• 主要： Partek Flow
• 附加功能： Seurat、Scanpy、CellRanger、Monocle、Drop-seq Tools、SingleR

渠道和流程：

• 数据预处理： 单细胞数据的质量控制、归一化和缩放。
• 聚類和降維： 使用PCA、t-SNE或UMAP識別不同的細胞群。
• 差异表达分析： 检测跨簇表达显著变化的基因。
• 轨迹分析： 推断细胞发育途径和谱系关系。
• 多模态数据的整合： 将单细胞 RNA-seq 与其他数据类型（例如 ATAC-seq）相结合。

3. 多基因风险评分 （ PRS ） 训练、建模和测试

描述： 开发和验证多基因风险评分，以根据遗传数据预测个体对各种健康状况的易感性。

工具和软件 ：

• 主要： PRSice、LDpred、PRS-CS
• 附加： PLINK、LASSOSUM、SBayesR

渠道和流程：

• SNP 选择： 识别风险评分的相关遗传变异。
• 加權： 根據 GWAS 結果為每個 SNP 分配效應大小。
• 分數計算： 聚合加權 SNP 以計算單個 PRS。
• 验证： 在独立排队中测试 PRS 的预测准确性。
• 优化： 优化模型以提高预测性能。

4. 流行病学统计模型

描述： 应用统计模型研究人群中健康相关状态和事件的分布和决定因素。

工具和软件 ：

• 主要： R（例如生存包）
• 附加： Python（例如 statsmodels）

渠道和流程：

• Cox 比例风险模型： 评估变量对事件发生时间结果的影响。
• 逻辑回归： 对二元结果进行建模。
• 线性回归： 分析连续性状。
• 混合效应模型： 处理分层或纵向数据结构。
• 生存分析： 估计生存函数和风险比。

5. 监督式机器学习模型

描述： 实施机器学习技术来预测结果并识别数据中的模式。

工具和软件 ：

• 主要： scikit-learn （Python）、隨機森林、支援向量機 （SVM）、神經網路
• 附加：
• 提升演算法： XGBoost、LightGBM、AdaBoost、CatBoost
• 深度學習框架： PyTorch
• 集成方法： 梯度提升机 （GBM）、额外的树、装袋
• 回歸模型： ElasticNet、Lasso、Ridge 回歸
• 其他演算法： 樸素貝葉斯、決策樹

渠道和流程：