• 我要登录|
  • 免费注册
    |
  • 我的丁香通
    • 企业机构:
    • 成为企业机构
    • 个人用户:
    • 个人中心
  • 移动端
    移动端
丁香通 logo丁香实验_LOGO
搜实验

    大家都在搜

      大家都在搜

        0 人通过求购买到了急需的产品
        免费发布求购
        发布求购

        请问各位xdjm,就是拿到转录组测序的结果,不知道怎么分析,应该从何入手呢,有点着急

        user-title

        Zzero126


        wx-share
        分享

        3 个回答

        user-title

        此用户已注销

        有帮助

        我们进行RNA-seq的主要目的就是寻找引起处理和对照之间表型差异的关键基因,也就是要通过一些生物信息的分析,从上万条基因中找出2-3个关键基因。因此转录组数据分析的核心思想就是不断的缩小关键基因的范围。


        在缩小关键基因的范围时,目前主要有以下三种方法(图1):差异表达分析,聚类分析,WGCNA分析。在我们对count矩阵进行表达定量以后,我们会得到对count矩阵进行矫正后的TPM或者FPKM表达矩阵。TPM和FPKM矩阵中包含了该物种所有基因的表达量。一般都含上万条基因,因此我们要根据自己的实验目的对TPM和FPKM矩阵进行基因数目的缩小,已得到一些关键基因。


        第一种缩小基因数目的方法就是对count矩阵进行差异表达分析,根据Fold change和Pvalue筛选出在处理组与对照组之间的差异表达的基因,这样就就可以对基因的数目进行缩小了,因为设置好参数后,差异表达的基因数目往往在1000-2500不等。这样就从上万条基因的范围缩小到了1000-2500的基因范围。


        第二种缩小基因数目的方法是进行聚类分析,聚类分析就是根据各个基因的表达量进行聚类,如果基因的表达趋势相似,那就会聚在一起。聚类可以分为热图的聚类以及时序的聚类,时序聚类分析往往用于比较不同时段差异。聚类完成后就可以得到多个cluster,然后根据实验目的和各个cluster的表达模式选择自己想要的关键cluster进行研究,这样也达到了缩小基因数目的目标。


        第三中缩小基因数目的方法是加权基因共表达网络分析(WGCNA),但是与前面2种方法不同,WGCNA对样本数目有一定的要求,进行WGCNA分析时的样本数目至少要有15个,因此我们在实验设计是,如果要做WGCNA分析是,一定要多设置处理或者生物学重复数。

        user-title

        于小鱼鱼1998

        有帮助

        转录组测序结果分析目前主要有以下三种方法:差异表达分析,聚类分析,WGCNA分析。可以根据你的测序类型选择分析种类

        user-title

        loveliufudan

        有帮助

        以下是一些入门级的步骤和建议:

        1. 数据质量评估:首先,对测序数据进行质量评估。使用工具(如FastQC)检查数据的质量指标,例如测序错误率、GC含量、测序片段长度分布等。确保数据质量符合要求,以获得可靠的分析结果。

        2. 数据预处理:进行数据预处理,包括去除低质量的读段、去除接头序列、去除可能的污染序列等。使用工具(如Trimmomatic、Cutadapt)进行预处理步骤。

        3. 序列比对:将预处理后的测序数据与参考基因组进行比对。常用的比对工具有Bowtie、STAR、HISAT2等。比对后可以得到每个基因的表达值。

        4. 表达量分析:使用适当的工具和方法对基因表达量进行分析。这可以包括不同基因的表达差异分析、聚类分析、差异表达基因的富集分析等。常用的工具有DESeq2、edgeR、limma等。

        5. 功能注释和通路分析:对差异表达基因进行功能注释和通路分析,以了解它们在生物学过程中的功能和相关通路。使用工具(如DAVID、Enrichr、KEGG)进行功能注释和通路富集分析。


        ad image
        提问
        扫一扫
        丁香实验小程序二维码
        实验小助手
        丁香实验公众号二维码
        扫码领资料
        反馈
        TOP
        打开小程序