锐客网

  1. 首页 > 睿知 > >

rna-seq分析流程,RNAseq分析流程实例

经验分享睿知

滴seq2 。基于平板(UMI)的唯一分子标识符:CELseq，Mereu seq3，看盘依据:Smart seq24，其他:SCIRNA，Ziegenhain等人2017()) 。

1、完整的单细胞 分析通用 流程——从数据到可视化本章概述了一个典型SCRNA的框架seq分析Work流程(图1) 。稍后将更详细地描述每个步骤 。在开始分析本身之前 ， 讨论一下实验设计可能会有帮助 。最明显的问题就是技术的选择，大致可以分为:1 。基于液滴的:10XGenomics ， inDrop，Drop seq2 。基于板的唯一分子标识符(UMI):CELseq，MARS seq3 。板本阅读:Smart seq24 。其他:sciRNA seq，SeqWell，这些方法各有利弊，在别处已有广泛讨论(Mereu et al .()；Ziegenhain等人2017()) 。
【rna-seq分析流程,RNAseq分析流程实例】
基于纸板的方法可以捕获其他表型信息(如形态学)，并且更适合于定制 。基于Reads的方法提供了完整的转录覆盖，这在一些应用中非常有用(如剪接和外显子突变) 。基于UMI的方法将减少PCR扩增噪声的影响，因此更受欢迎 。方法的选择视具体情况而定，但我们-3流程下面的大部分方面都与技术无关 。

2、如何开始冷冻电镜单细胞RNASeq数据 分析?蓝海脑科医学研发制冷电镜工作站研究人员表示，细胞组成的变化(每种细胞类型在数据集中所占的比例)与疾病状态有很强的相关性 ， 这是单细胞分析最简单的结果之一 。这些数字可以提供条件之间的相对估计，但是由于在制备单细胞库期间细胞捕获的偏差，从单细胞数据推断的细胞分数可能不准确 。此外，肾皮质样本中近端小管细胞的比例高于髓质样本 。

MuSiC使用加权非负最小二乘回归来估计细胞类型的比例 。替代方法包括CIBERSORT、BSEQsc和BisqueRNA 。样本间细胞识别簇比例变化的统计检验是相互依赖的，并且因为当一个细胞识别簇的比例发生变化时，所有其他细胞识别簇的比例也会发生变化 。或者，基于排列的统计测试方法可用于差异比率分析 ， 其中将群集比率与总细胞的随机比率进行比较 。

3、基础——illumina测序原理与细节(以RNA- seq为例目前我们分析的主要数据是第二代测序数据，也就是大家常说的NGS，而其中最大的赢家应该是illumina测序公司，其经典的边测序边合成(seqUecingbysynsis，SBS)巧妙地利用了不同荧光的dNTP进行制作，但是 ， 也有一些问题 。比如以RNA seq为例 。如果你是一个从表达式matrix 分析开始的经典数据玩家，那么数据库构建的细节对你来说似乎就不那么重要了 。而如果你是一个数据玩家分析是从原始fastq数据开始的(甚至是建数据库的实验)，这个时候建数据库的细节可能就显得尤为重要，你需要知道它的根源 。

    推荐阅读


    上一篇：stata聚类分析,Stata聚类分析面板

    下一篇：城市分析数据,解读iphone分析数据