- 博客(7)
- 收藏
- 关注
RSS订阅原创 RNA-seq 详细教程： `DESeq2` 差异表达分析（7）
差异表达分析工作流程的最后一步是将原始计数拟合到 NB 模型并对差异表达基因进行统计检验。在这一步中，我们本质上是想确定不同样本组的平均表达水平是否存在显著差异。 论文发表于 2014 年，但该软件包不断更新并通过 在 中使用。它建立在分散估计和 和 中的广义线性模型之上。使用 进行差异表达分析涉及多个步骤，如下面流程图中蓝色部分所示。简而言之， 将对原始计数进行建模，使用归一化因子（大小因子）来解决文库深度的差异。然后，它将估计基因方面的分散并缩小这些估计以生成更准确的分散估计来模拟计数。最后，
2024-07-31 22:55:17
732
转载 RNA-seq 详细教程：分析准备（3）
在过去的十年中，RNA-seq已成为转录组差异表达基因和mRNA可变剪切分析不可或缺的技术。正确识别哪些基因或转录本在特定条件下的表达情况，是理解生物反应过程的关键。在本教程中，将借助许多R包，带你进行一个完整的RNA-seq分析过程。将从读取数据开始，将伪计数转换为计数，执行数据分析以进行质量评估并探索样本之间的关系，执行差异表达分析，并在执行下游功能分析之前直观地查看结果。下面是流程图。
2024-07-28 11:12:36
182
转载 RNA-seq 详细教程：实验设计（2）
了解 提取和 文库制备实验过程中的步骤，有助于设计 实验，但有一些特殊的注意事项需要明确：实验重复可以通过技术重复或生物学重复来实现，如下图：使用相同的生物样本重复实验步骤，以准确测量技术差异并在分析过程中将其去除。使用相同条件下的不同生物样本来衡量样本间的差异。在微阵列时代，技术重复被认为是必要的；然而，当前的 技术，技术差异远低于生物差异，因此不需要技术重复。相反，生物重复对于差异表达分析是绝对必要的。对于差异表达分析，生物学重复越多，对生物学变异的估计就越好，我们对平均表达水平的估计也就越精确
2024-07-27 09:55:35
440
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人