RNA-Seq流程分析

最新推荐文章于 2023-12-12 00:23:27 发布
最新推荐文章于 2023-12-12 00:23:27 发布
阅读量1.2k 收藏 14
点赞数 3
分类专栏： rnaseq 文章标签： linux
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51685051/article/details/116641164
版权
本文详细介绍了RNA-Seq分析的全过程，从原始数据获取、质检、质控、比对到定量。使用了sra-tools、fastqc、trim_galore、hisat2等工具，对小鼠mm10基因组进行比对，并通过samtools进行BAM文件的排序和索引，最终进行基因表达量的计数。
摘要由CSDN通过智能技术生成

软件的安装：

sra-tools
fastqc
trim-galore
hisat2
htseq
multiqc
samtools

在这里插入图片描述
在这里插入图片描述

前两个是空白对照组，剩余六个，分别是经过三种不同处理的实验组。
在这里插入图片描述

原始数据的获取

用sra-tools中的命令preftech下载这八个原始数据
在这里插入图片描述

接下来，使用fastq-dump，将得到的sra文件转化为fastq文件，一边进行下一步的分析

liuzh/project/sra$ fastq-dump --gzip --split-3 -O ../fastq.gz/ ./SRR144023*

在这里插入图片描述
通过这一步，我们就得到了16个fastq文件，但是得到的却是：
在这里插入图片描述
结合在转化过程中出现的：
在这里插入图片描述判定是网页注释出现问题，实则是SE数据

质检

接下来，对fastq文件做质检，用到了fastqc

在这里插入图片描述
质检得到了两个文件，一个压缩文件，一个是html的网页文件
在这里插入图片描述
我们可以通过网页文件观察各个样本fastq文件的各项指标，我们也可以通过multiqc软件去整合这8个样本的质检报告，得出一个综合的质检报告，这对于大批量数据的质检是非常便捷的

质控

用trim_galore进行质控，trim_galo

最低0.47元/天 解锁文章
纵亨
关注
  • 3
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
合并featurecount产生的多个表达矩阵文件
SUMPLUSS的博客
05-27 222
【代码】合并featurecount产生的多个表达矩阵文件。
RNA-Seq数据分析流程
bio_meimei的博客
11-03 9891
文章目录RNA-seq 数据分析流程相关软件安装下载数据sra转fastq格式数据质控数据质控，过滤低质量reads，去接头比对首先下载参考基因组及注释文件，建立索引比对sam文件转bam为bam文件建立索引reads的比对情况统计计数 counts差异基因分析 RNA-seq 数据分析流程 相关软件安装 可以安装 conda,在后续其他软件安装时非常好用。可自行百度进行安装 可根据文献调研，转录组数据分析所需软件列表： 质控 fastqc , multiqc, trimmomatic, cutadapt
RNA-seq数据分析实用方法(2015)
10-11
RNA-seq数据分析实用方法，包含了RNA-seq数据分析的各个方面。
RNA结合蛋白研究技术：RIP-seq实验分析流程及案例分享
Igenebook的博客
11-07 3354
分享RIP-seq的技术原理、应用方向、实验流程、案例分享
RNA-seq数据上游分析流程（从原始数据开始）
weixin_40640700的博客
03-25 2万+
数据分析的基本思路 （1）从ncbi的geo或者其它数据库中查找自己感兴趣的RNASeq数据，至少要求给出如下信息： 该套数据所发表的文章的名字： 该套数据的下载网址： 该套数据基本情况介绍（简介以及该套数据包含多少个样本，分为多少种类型，以及每种类型有多少个样本） （2）对芯片数据进行质量控制评价及处理（如果质量差的话，每个样本都应该处理）， 可以用软件Fastqc+Trimmomatic配合使用,也可以用其它软件替换 （3）用TopHat2 + Cufflinks+Hisat系列软件进.
RNA-seq转录组数据分析丨一套完整的案例流程
青笋的博客
12-11 6467
今天分享的学习笔记是一套转录组分析简单流程，适用于初学者入门阅读，从原始测序数据开始，经过质控、序列比对、定量表达、差异表达、功能富集等一系列分析步骤，最终获得基因表达信息。本文所有数据都经过特殊修改，仅供学习参考使用。 ” 转录组是在特定时空条件下细胞中基因转录表达产物，广义的转录组包括信使RNA，核糖体RNA，转运RNA及非编码RNA，狭义上是指所有mRNA的集合，转录组分析能够获得不同基因的表达情况。 1. 数据来源 假设有两个不同组织（PR和SR），每个组织各区三个样本，一共六个样本，利用ill
RNAseq分析全过程
weixin_73362123的博客
11-24 2319
本次实操数据来自下面的文章，是量化环境葡萄糖对转录组的影响，比较低糖和高糖环境下胰岛转录组的变化，胰岛来源小鼠。
RNA-seq上游分析之质控软件——Trim Galore
weixin_57830892的博客
07-08 1778
RNA-seq上游处理
RSCS:RNA-seq和小RNA-seq组合策略
04-02
RNA-seq主要用于全面分析细胞或组织中的转录本表达水平，揭示基因表达谱；而小RNA-seq则专注于研究20-30个核苷酸长度的非编码小分子RNA，如miRNA、siRNA和piRNA等。在生物学研究中，这两种技术通常单独使用，但各自...
RNA-seq Data Analysis a practical approach.zip
03-28
下面我们将深入探讨RNA-seq的基本概念、分析流程以及使用R语言和BioConductor工具包，如edgeR和limma进行数据分析的方法。 首先，RNA-seq技术的核心是将RNA分子转化为DNA序列，然后通过测序仪获取这些序列，以揭示...
rnaseq:RNA-seq分析
04-28
RNA-seq管线 设置 在raw运行中，先执行./fetch_data.sh ，然后执行./create_index.sh 。 在src运行./fetch_binaries.sh （需要的MacOS或Linux）， ./setup_samtools.sh和./setup_rsem.sh （需要各种库编译）。 ...
RNA-Seq-Analysis
04-17
RNA序列分析，通常被称为RNA-Seq，是一种基于高通量测序技术的生物学研究方法，用于研究细胞或组织中的转录组。这个“RNA-Seq-Analysis”项目显然是一个专门针对RNA-Seq数据分析的资源库，它包含了作者经常使用的...
【定量工具-featureCounts安装及使用】零基础看懂运行代码，报错大赏Q&A
最新发布
weixin_56701701的博客
12-12 3198
接上文：STAR比hisat2更好；hisat2快一些得花几个小时。
【转录组】基因定量分析 featureCounts的使用
weixin_43840576的博客
06-03 7821
featureCounts的使用featureCounts的安装featureCounts的使用 featureCounts的安装 在转录组进行统计基因count数的时候，Htseq-count与featureCounts为使用最多的软件，其中htseq-count的速度较慢，而featureCounts的最大特点就是快。 下载与安装 $ wget https://jaist.dl.sourceforge.net/project/subread/subread-1.6.0/subread-1.6.0-L
基因/转录本/任意特征 表达定量工具之featureCounts使用方法 | 参数详解
weixin_34279061的博客
03-27 9146
featureCounts真的很厉害。 常见的参数（没什么好说的，毕竟是固定的）： -a -o input_file1 -F -t -g -Q -T 　　 关键是以下几个参数怎么设置： -f # Perform read counting at feature level -O # Assign reads to all their overlapping...
featurecount 实现
chen_amiao的博客
03-02 3967
featurecount
关于RNA-seq数据集的小结
guomutian911的专栏
09-21 3924
关于数据集的小节： 1、reads：测序得到的小片段（类似：ATCCTA..GCTA） 2、counts：与已知序列（基因）比对上的reads个数（为整数，可能是个位数也可能是几千，与基因表达情况和测序深度有关） 3、由于不同基因的reads长度不同，从统计角度上看，需要采用FPKM或RPKM来排除随机抽样带来的偏倚。并且，不同的测序深度，直接影响counts的个数。 4、通常，如果数据集
RNA-seq数据分析(HISAT2+featureCounts+StringTie)
卫博
08-21 1万+
RNA-seq数据分析简介 简介 基因表达是功能基因组学研究的一个重要领域。基因表达与基因信息从基因组DNA模板到功能蛋白产物的流动有关(图1)。大规模并行RNA测序(RNA-seq)已成为一种标准的基因表达检测方法，尤其用于询问相对转录本丰度和多样性。一些研究已经证实，它的测量精度可以与其他成熟的方法如微阵列和定量聚合酶链反应(qPCR)相媲美[2-4]。它有蜜蜂 ...
第二章 RNA-seq一般分析流程全套
热门推荐
laurelgirl的博客
02-22 3万+
提前申明：该贴参照于https://www.jianshu.com/p/e8cd62ba14fe 标题1. 用conda安装RNA-seq所需要 #启动conda自设环境 conda activate python3 或者用 source activate python3 #安装所需软件(conda可以同时安装多个软件，但是建议初学者还是选择逐一安装，避免出现错误) conda inst...
rna-seq数据分析流程
07-28
RNA-seq数据分析流程通常包括以下几个步骤： 1. 数据预处理：对原始的RNA-seq数据进行质量控制和去除低质量reads，去除接头序列，去除含有未知碱基的reads等。常用的软件包括FastQC、Trimmomatic等。 2. 参考基因组比对：将清洗后的reads与参考基因组进行比对，以确定每个reads的来源基因。常用的比对工具有Bowtie、BWA、HISAT2等。 3. 表达量估计：根据比对结果，通过计算每个基因的reads覆盖度或reads计数来估计基因的表达量。常用的工具有HTSeq、featureCounts等。 4. 差异表达分析：比较不同条件下基因的表达量差异，通过统计学方法识别差异表达的基因。常用的工具有DESeq2、edgeR等。 5. 功能注释和富集分析：对差异表达的基因进行功能注释，如基因本体论（Gene Ontology）注释、通路富集分析等，以揭示差异表达基因的生物学意义。常用的工具有DAVID、GSEA等。 6. 可视化和解释：将分析结果进行可视化展示，如热图、散点图、Volcano图等，以便于结果的解释和交流。常用的工具有R、Python的matplotlib、ggplot2等。 需要注意的是，以上仅是RNA-seq数据分析的一般流程，具体的分析步骤和工具选择可能会根据实际研究目的和数据特点进行调整。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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