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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值