python基因差异分析包_RNA-seq的3的差异分析R包你选择哪个

在2010-2015年间，RNA-seq本身就是跟现在的单细胞差不多的当红炸子鸡的地位，无数的软件工具，网页数据库，测评文章涌现出来。很多课题组导师都认为做一个RNA-seq项目就能发CNS啦，就跟这两年大家以为做一个单细胞转录组项目就可以发CNS的坚信程度是一模一样的！

直到现在(2020)，基于高通量测序技术的RNA-Seq方法仍然是转录组学研究中必不可少的工具。截止到(2016)已经普遍接受的是，标准化预处理步骤可以显着提高分析质量，特别是对于差异基因表达分析而言。 然而，彼时尚未找到金标准归一化方法。我在生信技能树的教程呢，通常是直接就推荐3大R包(limma，edgeR，DEseq2)，转录组的基本分析教程合辑：

很多人就问我这样推荐的理由，有没有参考文献，但是前些日子一直比较忙，就没有回复大家。恰好最近整理我五年前收集的RNA-seq资料，重新发现了一个能比较好支持3大R包(limma，edgeR，DEseq2)的文献。

文章详情：Maza E (2016) In Papyro Comparison of TMM (edgeR), RLE (DESeq2), and MRN Normalization Methods for a Simple Two-Conditions-Without-Replicates RNA-Seq Experimental Design. Front Genet 7:164. [article]

一图概况如下：

文章提到了以下3个算法，做了一下测试数据的比较：

The first method is the “Trim