芯片质量控制(Quality control,QC)    通过对数据作图，可以评价实验数据的质量，了解数据的分布规律，从而决定下一步的分析方法。

原始数据标准化(Raw data normalization)    对原始数据进行处理，通过特定的统计分析，达到消除背景噪音，过滤脏数据，去除同一实验不同block之间、不同芯片之间的实验误差，使不同芯片的数据具有可比性。下图为数据标准化前（左图）后（右图）数据的盒图，表示各芯片数据的数值分布。

差异表达分析(DEG analysis)    差异表达分析是芯片数据的基本分析手段之一，不同方法适用于不同的数据，常用的方法有limma，SAM，T-test ，Fisher’s exact test等。

聚类分析    聚类分析可用来做疾病亚型分型(sub-classification)，可用于检测样本群体分布情况，发现表达相关基因群等。常用的聚类方法有层次聚类(hierarchical cluster)，K-means，自组织映射（SOM）。

基因注释 (GO/pathway annotation)   采用不同数据库对筛选出来的重要基因进行注释。

基因集富集分析 (Gene Set Enrichment Analysis, GSEA)    富集分析是基于统计学检验的case/control高通量分析方法，可用于揭示生物学样本（case相对于control）中被显著激活或显著抑制的功能。与翔自主开发研制了不同的功能分析数据库，可以提供对GO、KEGG、BioCarta、疾病相关基因、肿瘤相关基因、转录因子结合位点等功能的富集分析。