mRNA数据分析专题

欢迎关注”生信修炼手册”!

mRNA是基因实时表达的产物，研究mRNA可以探究基因表达以及调控的规律；同时也可以用于发现基因结构的变化，比如可变剪切，融合基因等事件，本文整理了mRNA数据分析相关的资料。

首先是通用的NGS文库质控

• cutadapt去除adapter序列

• 使用Trimmomatic对NGS数据进行质量过滤

• 使用trim_galore对NGS数据进行质量过滤

• 使用fastp对NGS数据进行质量过滤

• FastQC评估测序数据的质量

• fastx_toolkit:处理fasta/fastq文件的小工具

质控之后的序列，有两条路可以走，第一种是基于比对的策略，先比对参考基因组，然后进行定量，这种策略也是最经典的，首选需要准备好合适的参考基因组

• 详解参考基因组的下载方式

• GFF文件格式简介

• 详解人类基因在不同数据库中的ID

• GTF文件格式简介

• 从UCSC下载基因组的GTF文件

• gencode-高质量的基因注释信息数据库

• 详解GFF转换为GTF文件

准备好参考基因组，还需要对应的软件来执行比对，定量工作

• hisat2:比对基因组工具简介

• SAM/BAM文件格式简介(一)

• SAM/BAM文件格式简介(二)

• STAR:转录组数据比对工具简介

• stringTie:转录本组装和定量工具

• 使用featureCounts进行定量分析

• 使用htseq-count进行定量分析

第二种策略称之为alignment-free, 就是不需要比对基因组直接定量的意思

• sailfish:不需要比对的转录本定量软件

• salmon:sailfish的升级版本

• kallisto:alignment-free转录本定量工具

定量之后，就是计算差异了。不同的定量方式，对应的差异分析软件也不同

• DESeq2归一化算法详解

• 采用DESeq2对表达量进行PCA和聚类分析

• 使用DESeq2进行两组间的差异分析

• edgeR提供的TMM归一化算法详解

• 负二项分布在差异分析中的应用

• 详解CPM定量方式

• 使用edgeR进行两组间的差异分析

• 使用ballgown进行转录本水平的差异分析

• sleuth:基于TPM值的差异分析

• 使用limma进行两组间的差异分析

除了差异分析外，针对多个分组或者时间节点的表达量数据，还可以进行聚类分析，研究其特定的表达模式

• 转录组中的基因表达模式聚类分析

• 使用Mfuzz进行时间序列表达模式聚类分析

• 使用maSigPro进行时间序列数据的差异分析

无论是差异分析也好，聚类也好，目的都是得到候选的基因，用于下游分析。得到候选基因之后，就是对其功能进行探索，有多个研究方向，最经典的是基于费舍尔精确检验的富集分析

• 揭秘差异基因功能富集分析

• GO.db:存储Gene Ontology信息的R包

• 详解如何获取物种所有基因对应的GO注释

• 使用topGO进行GO富集分析

• 详解GO的层级关系在富集分析中的应用

• 使用clusterProfiler进行GO富集分析

• 使用clusterProfiler进行KEGG富集分析

除了费舍尔精确精确检验外，还有比较流行的GSEA, 也可以进行功能富集分析

• MSigDB:GSEA提供的基因集数据库

• GSEA软件使用方法简介

• GSEA分析结果详细解读

• 关于GSEA的几点补充说明

此外，还可以通过基因间的相互关系网络来探索功能，有两种网络，蛋白质相互作用网络PPI和基因共表达网络，比如WGCNA。

PPI利用数据库中的蛋白质相互作用信息构建网络

• STRING:蛋白质相互作用(PPI网络)数据库简介

• MINT:蛋白质相互作用数据库简介

• IMex和IntAct数据库简介

• HPRD:human专属的PPI数据库

• BioGRID:蛋白质相互作用数据库

• 如何从PPI网络进一步挖掘信息