转录组与蛋白组基于log2FC值的关联分析，展示基因与蛋白的表达量变化关系

提供模式物种的Ensembl GeneID、Entrez GeneID、Symbol相互转换功能

批量获取KO编号对应的基因名称

批量获取CO编号对应的物质名称

批量获取KEGG通路ID所涉及的CO编号，或批量获取CO编号所参与的KEGG通路ID

批量获取KEGG通路ID所涉及的KO编号，或批量获取KO编号所参与的KEGG通路ID

批量获取通路名称对应的通路编号，或批量获取通路编号对应的通路名称

对上传的蛋白或核酸的fasta序列进行亚细胞定位注释

对上传的蛋白或核酸的fasta序列进行转录因子注释

根据两表的共有列合并表格

即时响应式的韦恩图

对上传的化合物进行鉴定，获取化合物对应的分类信息并绘制饼图展示

上传一个包含要查询对象列的xlsx表，返回PubChem数据库中对应的化合物信息

对序列进行SSR位点分析及引物设计

获取上传基因集合的富集到的代谢通路信息。

用于描述研究群体的生存时间，能够直观地评估不同因素或治疗对生存率的影响

DESeq2用于进行差异表达分析，通过模型化基因表达数据的负二项分布，评估基因的表达变化。

将代谢组学中常见的原始数据格式进行格式转换

环状热图也是热图的一种，适合多组或多组学的研究。

对上传的蛋白或核酸的fasta序列进行KOG注释并绘图

对上传的蛋白或核酸的fasta序列进行COG数据库注释并绘图

对上传的蛋白或核酸的fasta序列进行PFAM数据库注释,获取结构域信息

对上传的蛋白或核酸的fasta序列进行KEGG数注释,获得KO功能注释信息

对上传的蛋白或核酸的fasta序列进行GO数据库注释,获得功能注释信息

对上传的蛋白或核酸的fasta序列进行Reactome数据库注释

对上传的蛋白或核酸的fasta序列进行NT（非冗余核酸库）注释

时间序列分析用于分析基因表达数据，研究基因如何在不同时间点响应环境变化或生物过程。

对上传的蛋白或核酸的fasta序列进行NR（非冗余蛋白库）注释

XCMS是一个用于质谱数据处理工具，能够进行峰检测、峰对齐和定量分析

MSP文件(Mass Spectral Library File，即质谱图谱库文件)提取转换为EXCEL表格

通过对上传基因集合获取GO注释信息，分析基因富集到的GO条目

是一种不同类别高维数据的可视化方法，常用于一些分类问题及回归问题中。

通过颜色差异来表示数值大小，常用于展示变量之间的相关性。

通过扇形的角度和半径来表示数据的大小和分布，展示多个类别数据的比较。

可以清晰地展示大量数据点的变化幅度和显著性水平。

通过交叉的圆来表示集合及其交集，直观地展示元素之间的关系和相互作用。

通过曲线的高度来表示数据的密度。

通过点的分布来表示数据多个类别的集中趋势和离散程度。

通过线条和圆点来表示数据的大小和顺序，常用于展示和比较多个类别的数值。

通过连接的数据点来表示数值的变化趋势，常用于展示时间序列数据。

通过分布的点来表示数据的位置和数量，常用于展示多个类别或者多个变量的数据分布。

通过水平或垂直的点来表示数值大小，常用于展示多个类别的数值比较。

通过点的分布来表示数据的分布和离散程度，常用于展示数据集的统计特性。

通过颜色和长度的变化来表示数据的大小和分布，常用于展示多个变量的相关性和比较。

通过填充颜色的区域来表示数值的大小和变化趋势，展示多个类别的累积效果。

用于比较不同类别的数值，通过柱子的高度来表示数据的大小。

通过水平或垂直的条带来表示数据的分布和集中趋势，展示多个类别的数据分布。

通过环形的区域和颜色来表示数据的比例，常用于展示各类别占总体的比例。

通过散点的分布来表示数据的关系，同时在边缘展示各变量的分布情况。

通过线条的长度和方向来表示数据的偏差程度，常用于展示数据与基准值之间的差异。

通过线条的长度来表示数据的变化范围，通过线条的长度来表示数据的误差大小。

通过散点和拟合线来表示变量之间的关系，常用于展示两个变量之间的相关性和趋势。

通过形状和颜色的变化来表示数据的分布和密度，常用于展示单个或多个变量的数据分布。

用于展示集合的交集和并集，特别适用于比较大量集合的重叠情况。

通过多边形的形状和大小来表示数据的大小。

MA图通过M（比值）和A（强度）两个参数来展示基因表达的变化。

通过文字的大小和颜色来表示数据的频数或重要性。

条形图是一种数据可视化方法，通过条形的长度来表示数值大小，展示数量对比。

通过点的位置来表示两个变量的值，表示数据的大小。

通过扇形的大小和颜色来表示数据的比例。

通过矩形的高度来表示数据的频数或密度，常用于展示单个变量的分布情况。

通过箱子的大小和线条的长度来表示数据的大小和变化范围，常用于展示变量的数据分布。

结合了箱线图和密度图的特点，用于展示和比较数据的分布及其概率密度。

通过流动的线条展示数据的流动和转换过程，揭示不同类别之间的关联性和转换比例。

用于比较多组数据的中位数、四分位数和异常值，常用于统计检验。

用于比较多组数据的平均值和标准差，常用于多组样本的统计检验。

用于展示一组数据的累积分布，可以清晰地看出数据的分布情况和趋势。