众所周知,RNAseq可以分为Bulk-RNAseq与scRNAseq。Bulk-RNAseq的数据量较小,单个raw fastq.gz文件<5G,普通的Mac笔记本就可以带得动,做比对和定量,完全自足;但是scRNAseq数据量较大,单个raw fast.gz文件 > 60G,且需要专门的软件,例如10x Genomics 需要配合CellRanger软件;墨卓单细胞测序平台需要配合Mobivision软件;...
利用TRUST4 从Bulk RNA-seq重构TCR/BCR的性能评估 对于TCR 评估:使用已知 TRB 序列的 silico RNA-seq 数据集进行测试,如图1b, TRUST4 重构的 CDR3 比 MiXCR 多 281%,比 CATT 多 22.9%,比 TRUST3 多 57.8%,并且在不同的读取长度上保持零假阳性率。 对于BCR 评估:使用了六个肿瘤 RNA-seq 样本约 1 亿...
【1】Bulk RNA-seq和scRNA-seq数据收集与预处理 文献解读 TCGA、GEO公共数据下载 差异表达基因分析 富集分析 【翰佰尔生物】 01:13:51 【2】预后模型构建和多种验证方法 单因素多因素COX模型 独立预后 绘制生存曲线 ROC曲线 验证方法【翰佰尔生物】 01:07:14 【3】单细胞分析零代码操作流程 单细胞技术原理...
所以GSEA分析比较适用于,传统分析方法筛选后样本过少的数据集。 GSEA数据库收集了很多分子标记数据,有9大分类的基因,如下: 九大分类如下: 实例解读 1. 数据读取 数据的读取我们仍然使用的是 TCGA-COAD 的数据集,表达数据的读取以及临床信息分组的获得我们上期已经提过,我们使用的是edgeR 软件包计算出来的差异表达结果...
RNA-SEQ.png 1.数据的质控(Trim_galore) 测序完成后,分析的起点是数据文件,其中包含称为碱基的测序读数,通常采用FASTQ文件的形式。 文件中的每个序列通常由描述行(每条reads的唯一标识,由@开头)、序列数据行、分隔行和质量分数行四行组成,这些行按顺序重复出现,以表示不同的测序读取。
Bowtie2 和 HISAT2 是用于高通量测序数据的序列比对工具。Bowtie2对短读长数据(50-100bp)比对非常高效,支持局部(local)和全局(global)比对模式,可以用于ChIP-seq、DNA-seq以及小 RNA-seq。HISAT2 专门用于处理 RNA-seq 数据;适合长读长数据,优化了比对长读长(例如 100-300bp)的能力,同时也可以高效处理基因...
2.读取数据 data <- read.csv("./Bulk_RNA_seq_Practice_1.csv",header = T,row.names = 1) 3.提取gene列数据 genes <- row.names(data) 4.基因ID转换 4.1先加载想要的数据库(biomart)和数据集(dataset):先listMarts(),后useMart() (1)如何确定选哪个数据库(biomart)?
在进行Bulk-RNAseq数据分析时，首要步骤是使用STAR和Rsubread软件进行比对和定量，最终目的是获取counts文件。首先，需要在服务器上安装Anaconda，然后下载并安装STAR。在安装成功后，需要构建基因组索引文件，这需要提供基因组的fa文件和注释的gtf文件。通过输入命令，可以构建所需的索引文件。接下来，利用STAR...
在资金紧张的科研项目中，TRUST4尤其有价值，如能直接从5'10x Genomics scRNA-seq数据中重构免疫受体库，包括γδT细胞。使用方法简单，只需安装并输入相应的RNA-seq数据和参考数据库，即可输出详细的contigs和CDR3信息。通过与10x V(D)J数据的比较，TRUST4显示了极高的性能，为免疫组库研究节省了成本...
我认为用R下载TCGA上数据是最方便的,只是其中需要明确参数设置 (比如project, workflow.type等),才能正确地下载到满足自己需求的数据。以下附上我使用的代码,用来下载TCGA上的GBM bulk RNA-seq数据。除此以外,中国脑胶质瘤基因组图谱(http://www.cgga.org.cn/downloa