锐客网

  1. 首页 > 睿知 > >

rna seq测可变剪接数据分析

经验分享睿知

在RNASeq的分析中，标准化基因或转录本的阅读数是极其重要的一步，因为一个基因区域的阅读数取决于基因的长度和测序深度 。RNA- seq数据上游分析FastQC旨在提供一种简单的方法来检查来自高通量测序的原始序列数据的质量 。

1、转录组分析(7作图是通过局部比较定位参考基因组上的短阅读，用于后续分析 。序列比对的过程包括:首先对参考基因组进行索引，索引完成后，通过比对软件将cleandata与参考基因组进行比对，得到sam文件，通过samtoolsview将SAM文件转换为bam文件，并对bam文件进行排序，得到排序后的bam文件 。

2、RNA-Seq分析|RPKM,FPKM,TPM,傻傻分不清楚?在RNASeq的分析中 ， 使基因或转录物的读数标准化是极其重要的一步，因为落在基因区域内的读数取决于基因的长度和测序深度 。很容易理解，一个基因越长，测序就越深入，它内部的阅读计数就越多 。当我们分析基因的差异表达时，经常会比较多个样本中不同基因的表达水平 。如果数据不规范 ， 比较结果就没有意义 。

FPKM(fragmentsperklobasemilon)和TPM(TranscriptsPerMillion)用作标准化值 。那么，三者的计算原理是什么，又有什么区别呢？为了更清晰地展示计算过程，我们以三个样本的四个基因的readcounts矩阵为例(来自YouTube) 。

3、1.单细胞RNA- seq:单细胞RNA测序介绍在人体组织中，细胞类型、状态和相互作用非常多样 。为了更好地了解这些组织和现有的细胞类型 ， scRNA seq提供了一种在单细胞水平上进行基因表达的前沿方法:scRNA seq是解决一些比较常见的研究的流行方法，主要包括:在scRNA seq之前，使用了转录组分析 。

如果你不期望或不关心样本中的细胞异质性，它也有可能找到疾病生物标志物 。虽然BulkRNA seq可以探索不同条件(如治疗或疾病)下基因表达的差异，但不能完全捕捉细胞水平的差异 。例如，在下图中，如果我们进行批量分析(左)，我们将无法检测基因A和基因B表达之间的正确相关性 。然而 ， 如果我们按照细胞类型或细胞状态对细胞进行正确分组，我们就可以看到基因之间的正确关联 。

4、RNA- seq分析之我见(一先说一下生物体内RNA的大致组成:编码RNA:根据中心原理 ， 我们知道DNA转录成mRNA，mRNA通过tRNA翻译成蛋白质 。蛋白质执行生命功能 ， 如呼吸、运动、消化等 。人类只有大约2万个蛋白质编码基因 ， 而这些编码基因只占整个人类基因组的2%左右 。MRNA占细胞总RNA的2% ~ 5% ， tRNA占细胞总RNA的15%左右 。非编码RNA:部分DNA转录成RNA后，不再继续编码蛋白质 。这种RNA被称为非编码RNA(ncRNA)，包括微小RNA 。

以前被认为是“垃圾”的CirRNA ， 最近的研究证明它在调控编码基因中起着重要作用，是当前研究的热点 。RRNA:核糖体RNA，约占总RNA的80% 。从广义上讲，约占RNA总量95%的rRNA和tRNA也属于非编码RNA ， 但在一般的研究中，采用其狭义的概念，即除rRNA和tRNA以外的非编码RNA 。

5、多图详解RNA seq转录组测序分析原理今天下午去大师兄开的公司和朋友见面交流，提前收集他们感兴趣的问题(见评论) 。这次讲RNA测序的第三个原理，包括测序原理和平台的选择，通用转录组有无参考的分析过程，一些软件的算法原理等 。ppt使用的图片均来自公开的官网、总结报告和文件，我只是一个知识的搬运工 。使用的参考资料都打包好了，有需要可以用:百度云链接:密码:vwyi(45M左右)(ppt是根据PDF书 ， 看了熊猫姐姐的推荐才知道的，出版社出的书都写的很好，再次推荐~)以下是PPT内容节选(共44页):测序原理可以在优酷上搜索“illumina II” 。
6、RNA- seq数据上游分析【rna seq测可变剪接数据分析】FastQC的目的是提供一种简单的方法来检查高通量测序的原始序列数据的质量 。它提供了一套模块化的分析，你可以用它来快速了解你的数据是否存在问题，你应该先了解这些问题再做进一步的分析，FastQC的主要功能是:如何使用STAR 。下面这篇文章记录的很清楚:Kallisto主要有六个命令，分别是index、quant、pseudo、h5dump、version和cite 。

    推荐阅读


    上一篇：数值分析 作业

    下一篇：excel anova分析结果,EXCEL ANOVA