基因检测隐私问题受关注：美国FTC调查多家相关企业
新浪科技讯 北京时间6月6日早间消息，美国联邦贸易委员会（FTC）正在对热门基因检测公司23andMe和Ancestry.com处理用户信息和基因数据的方式，以及如何将这些数据共享给第三方展开调查。 FTC在对“信息自由法案”的回应中透露了这项调查。FTC发言人拒绝对此消息置评，称“FTC的调查是非公开的，通常我们不会对调查置评，甚至不评论我们是否正在进行调查”。 基因检测服务的隐私保护问题从上月开始成为舆论关注焦点。上月，警方使用来自遗传研究网站GEDMatch的数据抓捕了臭名昭著的“金州杀手”。用户向GEDMatch上传遗传和基因信息，帮助识别犯罪嫌疑人。23andMe和Ancestry.com的发言人则表示，警方很少与他们联系，要求获得基因数据。 基因检测市场正在爆炸式发展，2017年的规模约为9900万美元，而到2022年预计将增长至3.1亿美元。与此同时，人们对基因数据的使用也越来越关心。许多消费者尚未意识到......阅读全文
警惕基因检测背后的数据安全问题
日前，国内知名基因检测公司23魔方推出第四代基因检测产品。23魔方CEO周坤称，目前，23魔方已累积16万人的样本数据库，是中国消费级基因检测公司中最大的。“得益于真实可留存的规模用户数据，23魔方可以进一步开展科学研究，做准做精项目。” 点评：基金检测公司主张用科技预测未来，并提供精准的护肤
基因检测解码“生命说明书” 全球竞跑基因数据库
随着华大基因上市临近，基因检测概念再度被关注。 华大基因CEO尹烨曾在公开场合介绍，给基因学家一滴血，能查到生育、肿瘤、感染，从三检合一到N检合一，液体活检可以做更多的事情。 相比于传统的影像学检测手段只能检测出已经发生且长成一定大小的异物，基因检测技术的优势在于，在更早的发病初始期，从分子
基因和基因检测
基因一词来自希腊语lγένος (génos)，意为“种族、后代”，是指携带有遗传信息的一段DNA（脱氧核糖核酸）或RNA（核糖核酸）序列。基因是控制性状的基本遗传单位：比如人的身高、体重、皮肤颜色甚至寿命都部分或全部由基因控制。我们每个人都和他人不同（即所谓的个体差异），也是由基因序列上的差异控制
Nature Medicine:基于基因检测等数据构建“精准健康”新模式
每个人的机体都存在个体差异，个体健康水平也不同，那么“精准健康”对于个体来说就显得十分重要。 近年来，多组学技术和可穿戴监测设备的进步使高深度的分子、生理监测与分析成为可能，也为“精准健康”提供了巨大机遇。“精准健康”的理念是在个体层面上评估疾病风险，发现早期临床前变化进而帮助人们启动针对
谷歌致力于基因数据市场，整合Tute Genomics基因数据库
谷歌希望凭借人类基因组云端服务Google Genomics在基因组研究市场占有一席之地，如今，公司正忙于用最好的工具来填满这个工具箱。 Google Genomics是谷歌2013年推出的一项云端服务，帮助大学实验室和医院等机构将患者或科研对象的生物基因储存到云端上，推进人类基因组信息的存
基因检测-生化检测
生化检测是通过化学手段，检测血液、尿液、羊水或羊膜细胞样本，检查相关蛋白质或物质是否存在，确定是否存在基因缺陷。用于诊断某种基因缺陷，这种缺陷是因某种维持身体正常功能的蛋白质不均衡导致的，通常是检测测试蛋白质含量。还可用于诊断苯丙酮尿症等。
美国推进癌症基因数据共享
美国麦利亚德基因公司(Myriad Genetics)拥有关于乳腺癌和卵巢癌的两个基因的专利，这让它们垄断乳腺癌检测的行业多年。虽然美国最高法院在去年六月已经对这两个基因的专利做了无效判决，但该公司仍然掌握这独有的130万份的检测数据。这些信息则使得麦利亚德公司在检测结果解释上有巨大优势。但是
群众基因数据：揭示疾病病因
本月月初，来自40个国家的研究人员和提倡者成立了一个全球联盟来开启安全共享的基因组和临床数据库，目的是为了在这个时代结束时可以使人类能够利用遗传数据。 英国政府，凯萨医疗机构及美国共同努力收集和整理了大量的遗传数据。但是随着全球的联盟，有一天临床医生可以广泛使用遗传数据，全世界的研究者可以
大数据：助力判定癌症驱动基因！
目前已知超过100个新的癌症驱动基因，帮助解释了怎样的肿瘤驱动会造成：相同的癌症基因导致不同的病患！ 在一项由Sanford Burnham Prebys医学发现研究所(SBP)引导下的协作研究中,研究人员结合两个公开的“组学”数据库创建一个新的目录“癌症驱动者”。当癌症驱动基因的改变造成癌症
基因芯片数据的分析方法
研究背景：基因芯片可以通过探针和荧光标记对某个时间点生物体的全部基因表达量进行检测，探针代表的基因荧光强度通过仪器转换成基本数据。这些数据的背后隐藏着很多的生物学意义，这就需要我们通过生物信息学的方法去分析和挖掘。不同实验设计方案产生的海量芯片数据，其分析方法和思路都大同小异，这里分享一个多组实验设