{示例企业}生科云基于组装(De novo)的宏基因组分析流程，对宏基因组测序数据进行质控去宿主, 功能注释, 功能统计, 功能差异, 功能相关性, 物种注释, 筛选物种, 物种统计, 物种差异, 物种多样性, 物种相关性, 差基因集富集, 基因计数等分析；功能注释步骤采用传统的contigs组装、基因预测、基因去冗余、非冗余蛋白定量、非冗余蛋白物种注释、非冗余蛋白功能注释等分析方法；便于发现未知基因，但对已知基因的覆盖度稍低，由于从reads到数据库基因之间比对了两次，丰度准确率有一定损失

{示例企业}生科云基于Reads(有参)的宏基因组分析流程，对宏基因组测序数据进行质控去宿主, 功能注释, 功能统计, 功能差异, 功能相关性, 物种注释, 筛选物种, 物种统计, 物种差异, 物种多样性, 物种相关性, 差基因集富集等分析；功能注释步骤采用HUMAnN3软件，将reads比对到UniRef90数据库，HUMAnN3内部使用metaphlan4软件注释reads物种；便于分析基因的物种来源，对已知基因的分析覆盖度较高，丰度较准确

{示例企业}生科云宏基因组分箱流程，对宏基因组测序数据进行质控去宿主，分箱，Bin提纯，Bin质量评估，Bin筛选，Bin去冗余，定量，功能注释，基因数目统计，物种注释，计算Bin进化树，Bin丰度统计图，Bin丰度差异比较Bin丰度相关性分析，Bin基因数目统计图，KEGG通路图，进Bin化树图，基因组圈图等分析

扩增子三代测序分析流程基于Qiime2软件，对扩增子三代测序数据（包括16S，ITS，18S等）进行去噪生成ASV(qiime dada2 denoise-ccs命令)，分类注释，物种筛选，基础统计，显著性差异比较，α多样性分析，β多样性分析，相关性分析，PICRUSt2功能预测，功能统计，功能差异比较等

扩增子分析流程基于Qiime2软件，对扩增子二代测序数据（包括16S，ITS，18S等）进行去噪生成ASV，分类注释，物种筛选， 基础统计，显著性差异比较，α多样性分析，β多样性分析，相关性分析，PICRUSt2功能预测，功能统计，功能差异比较等

生科云非靶向代谢组分析流程，对非靶向代谢组测定数据进行质量评估(QA)，质量控制(QC)，标准化校正，基础统计，主成分分析，最小二乘判别分析，机器学习分析，单变量分析，相关性分析，富集分析，拓扑分析，以及画代谢通路图

生科云高通量靶向代谢组，对高通量靶向代谢组测定数据进行质量评估(QA)，质量控制(QC)，标准化校正，基础统计，主成分分析，最小二乘判别分析，机器学习分析，单变量分析，相关性分析，富集分析，拓扑分析，以及画代谢通路图

生科云靶向代谢组分析流程，对靶向代谢组测定数据进行质量评估(QA)，标准化校正，基础统计，主成分分析，最小二乘判别分析，机器学习分析，单变量分析，相关性分析

{示例企业}生科云蛋白组TMT分析流程，对蛋白组搜库及定量数据进行基础统计分析，聚类分析，PCA分析，筛选差异蛋白，根据多个分组的差异结果制作venn图，对不同筛选条件的差异蛋白列表进行比较，对差异蛋白进行富集分析，PPI蛋白质互作网络分析,并根据差异蛋白质序列进行理化性质分析和COG注释

{示例企业}生科云蛋白组label free分析流程，对蛋白组搜库及定量数据进行基础统计分析，聚类分析，PCA分析，筛选差异蛋白，根据多个分组的差异结果制作venn图，对不同筛选条件的差异蛋白列表进行比较，对差异蛋白进行富集分析，PPI蛋白质互作网络分析及其聚类

{示例企业}生科云蛋白组Astral DIA分析云流程，对蛋白组搜库及定量数据进行基础统计分析，聚类分析，PCA分析，筛选差异蛋白，根据多个分组的差异结果制作venn图，对不同筛选条件的差异蛋白列表进行比较，对差异蛋白进行富集分析，PPI蛋白质互作网络分析及其聚类

{示例企业}生科云蛋白组无参TMT分析流程，主要用于无参考蛋白质组或缺少参考蛋白质组注释信息较差的分析流程，对蛋白组搜库及定量数据进行基础统计分析，聚类分析，PCA分析，筛选差异蛋白，根据多个分组的差异结果制作venn图，对不同筛选条件的差异蛋白列表进行比较，对差异蛋白进行富集分析，PPI蛋白质互作网络分析,并根据差异蛋白质序列进行理化性质分析和COG注释

{示例企业}生科云蛋白组无参Astral DIA分析流程，主要用于无参考蛋白质组或缺少参考蛋白质组注释信息较差的分析流程，对蛋白组搜库及定量数据进行基础统计分析，聚类分析，PCA分析，筛选差异蛋白，根据多个分组的差异结果制作venn图，对不同筛选条件的差异蛋白列表进行比较，对差异蛋白进行富集分析，PPI蛋白质互作网络分析,并根据差异蛋白质序列进行理化性质分析和COG注释

{示例企业}生科云磷酸化修饰蛋白组云流程，主要用于磷酸化修饰蛋白质组的分析流程。对蛋白质磷酸化位点进行鉴定，并根据鉴定结果对磷酸化位点进行差异分析、激酶预测、motif分析，进一步探索磷酸化事件与蛋白质功能、相互作用网络和信号传导路径的关系。对蛋白组搜库及定量数据进行基础统计分析，聚类分析，PCA分析，筛选差异蛋白，根据多个分组的差异结果制作venn图，对不同筛选条件的差异蛋白列表进行比较，对差异蛋白进行富集分析，PPI蛋白质互作网络分析,并根据差异蛋白质序列进行理化性质分析和COG注释

{示例企业}宏转录组分析流程, 对宏转录组原始测序数据进行质控, 去宿主序列, 去rRNA序列, 转录本拼接, 基因去冗余, 基因定量, 基因物种注释, 功能注释, 物种定量, 功能定量, 挑选差异表达基因, 差异基因热图和Venn图, 差异基因富集分析, 差异基因蛋白互作网络分析, 以及物种丰度, 功能丰度的基础统计, 差异比较, 相关性分析, 功能物种来源分析, 物种α多样性, β多样分析等内容

{示例企业}宏病毒组分析流程，对宏病毒组测序数据进行质控去宿主，reads物种注释, 组装, 组装物种注释, 功能注释, 计数统计, 基础统计, 差异比较, 相关性分析, α多样性分析, β多样性分析, 噬菌体宿主预测等

{示例企业}真核有参转录组分析流程，对真核有参转录组测序数据进行数据质量控制, 比对参考基因组, 新转录本预测, 变异位点分析, 可变剪接分析, 定量分析, 挑选差异表达基因, 富集分析(ORA, GSEA), 蛋白互作网络分析, WGCNA分析, 时序分析

{示例企业}细菌基因组完成图分析流程,对细菌基因组完成图测序数据进行数据质控, 基因组组装, 基因预测, 菌种鉴定,基因组组分预测, 功能注释, 致病系统分析, 代谢系统分析,比较基因组分析

{示例企业}10X单细胞转录组数据分析流程，从单细胞表达矩阵数据开始，对多个样本进行整合或者单个样本分析，分析内容包括：单细胞质量控制与过滤，整合分析批次效应的校正，降维与细胞聚类，标记基因鉴定，细胞类型注释，细胞类群差异分析，拟时序分析等分析。

{示例企业}miRNA数据分析云流程，对miRNA数据进行原始数据质控，序列长度与来源分析，mirdeep2分析，样本聚类分析，差异与富集分析。

{示例企业}lncRNA数据分析云流程，对lncRNA数据进行原始数据质控，序列比对，基因表达分析，文库质量评估，转录本拼接，lncRNA筛选，筛选出的lncRNA描述统计，lncRNA定量分析，靶基因预测，差异靶基因富集分析，可变剪接分析，变异位点分析。

{示例企业}重测序数据分析云流程，将原始测序数据比对至参考基因组后，使用Freebayes、Delly与GATK CNVcaller检测各个样本中存在的单核苷酸多态性位点(SNP)、小片段插入/缺失(INDEL)、结构性变异(SV)、拷贝数变异(CNV)等变异，并对变异进行过滤与注释，最后生成报告。

对理化指标进行自定义统计分析和绘图。该云流程包含了单个指标的假设检验、描述性统计；不同指标两两之间相关和回归分析；以及多个指标的聚类热图、百分比堆积柱状图和线性模型。

宏基因组和理化组关联分析是一种综合性的研究方法，运用多种统计学方法（如相关性分析，正交偏最小二乘分析等）来揭示宏基因组和理化组之间的关联性，进而确定哪些微生物或功能与理化组features之间显著相关。流程旨在深入理解生物体内微生物群落（宏基因组）和理化组features之间的相互关系，以揭示它们在生物体健康和疾病中的功能和相互作用。

宏基因组和代谢组关联分析是一种综合性的研究方法，运用多种统计学方法（如相关性分析，正交偏最小二乘分析等）来揭示宏基因组和代谢组之间的关联性，进而确定哪些微生物或功能与代谢物浓度之间显著相关。流程旨在深入理解生物体内微生物群落（宏基因组）和代谢产物（代谢组）之间的相互关系，以揭示它们在生物体健康和疾病中的功能和相互作用。

宏基因组和转录组关联分析是一种综合性的研究方法，运用多种统计学方法（如相关性分析，正交偏最小二乘分析等）来揭示宏基因组和转录组之间的关联性，进而确定哪些微生物或功能与转录组之间显著相关。流程旨在深入理解生物体内微生物群落（宏基因组）和转录组之间的相互关系，以揭示它们在生物体健康和疾病中的功能和相互作用。

扩增子和代谢组关联分析是一种综合性的研究方法，运用多种统计学方法（如相关性分析，正交偏最小二乘分析等）来揭示扩增子和代谢组之间的关联性，进而确定哪些微生物或功能与代谢物浓度之间显著相关。流程旨在深入理解生物体内微生物群落（扩增子组）和代谢产物（代谢组）之间的相互关系，以揭示它们在生物体健康和疾病中的功能和相互作用。

扩增子和理化组关联分析是一种综合性的研究方法，运用多种统计学方法（如相关性分析，正交偏最小二乘分析等）来揭示扩增子和理化组之间的关联性，进而确定哪些微生物或功能与理化组features之间显著相关。流程旨在深入理解生物体内微生物群落（扩增子）和理化组features之间的相互关系，以揭示它们在生物体健康和疾病中的功能和相互作用。

扩增子和转录组关联分析是一种综合性的研究方法，运用多种统计学方法（如相关性分析，正交偏最小二乘分析等）来揭示扩增子和理化组之间的关联性，进而确定哪些微生物或功能与理化组features之间显著相关。流程旨在深入理解生物体内微生物群落（扩增子）和理化组features之间的相互关系，以揭示它们在生物体健康和疾病中的功能和相互作用。

转录组和代谢组的关联分析能够在两个组学水平共同研究生物学问题，筛选关键基因/代谢物，深入解释宏观的生物学现象，从而从两种系统、全面地理解复杂的生物学。 该云流程包含转录组和代谢组的相关性热图、相关性网络图、九象限图、共富集分析、联合通路图、CCA模型、PLS模型、O2PLS模型和PLS-DA模型。

真菌基因组精细图分析流程使用三代测序数据进行组装、二代测序数据进行辅助组装，获得其基因组序列，并对其组装后序列进行基因组组分分析、基因功能分析、比较基因组分析、群体进化分析、甲基化分析等分析。

真菌基因组框架图分析流程使用二代测序数据进行组装，获得其基因组序列，并对其组装后序列进行基因组组分分析、基因功能分析、比较基因组分析、群体进化分析。

{示例企业}生科云人类外显子重测序分析流程，针对人类外显子组重测序分析开发的流程。该流程主要分析内容为：数据过滤，数据质控（测序数据碱基错误率分布、碱基质量分布、数据碱基分布），测序深度（测序数据测序深度分布、测序数据累积测序深度分布、测序数据平均测序深度及覆盖度），变异识别结果（SNP识别结果、Indel识别结果、CNV识别结果），SNP统计（SNP数量统计、SNP转换巅换统计），Indel统计（Indel数量统计、Indel插入删除统计），CNV统计（CNV数量统计、CNV拷贝数统计），变异注释结果。

{示例企业}生科云真核无参转录组分析流程，针对无参考基因组或参考基因组组装较差的物种开发的分析流程。该流程主要分析内容为：数据质控与过滤，转录本拼接，层次聚类，转录本质量评估，功能注释，转录因子预测，差异表达分析，富集分析，变异分析及SSR分析等。

脂质组学是一种基于高通量分析技术，系统性解析生物体脂质组成与表达变化的研究模式。脂质组学分析，可以高效地研究脂类家族、脂类分子在各种生物过程中的改变与功能，进而阐明相关的生物活动过程与机制。该云流程包括脂质亚类统计、脂质分子统计、差异脂质分析可视化、多维统计分析、显著差异分析可视化、链长度及链不饱和度分析等内容。

{示例企业}全转录组数据分析云流程，获取两文库全转录组结果与可视化

{示例企业}生科云真核无参转录组分析流程，针对无参考基因组或参考基因组组装较差的物种开发的分析流程。该流程主要分析内容为：数据质控与过滤，转录本拼接，层次聚类，转录本质量评估，功能注释，转录因子预测，差异表达分析，富集分析，变异分析及SSR分析等。

转录组和蛋白质组的关联分析云流程，包含相关性热图、九象限图、CCA模型、PLS模型、O2PLS模型和PLS-DA模型

{示例企业}细菌基因组完成图分析流程,对细菌基因组完成图测序数据进行数据质控, 基因组组装, 基因预测, 菌种鉴定,基因组组分预测, 功能注释, 致病系统分析, 代谢系统分析,比较基因组分析

{示例企业}细菌基因组框架图分析流程,对细菌基因组框架图测序数据进行数据质控, 基因组组装, 基因预测, 菌种鉴定,基因组组分预测, 功能注释, 致病系统分析, 代谢系统分析,

{示例企业}原核有参转录组分析流程，对原核有参转录组测序数据进行数据质量控制, 比对参考基因组, 转录本结构预测, sRNA分析,变异位点分析, UTR注释和相关分析, 定量分析, 挑选差异表达基因, 富集分析(ORA, GSEA), 蛋白互作网络分析, WGCNA分析,时序分析