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