之前转录组数据分布规律的失败探索中的例子(GSE164425,统计Raw Count与CPM数据分布)可见bulk RNA-seq的原始定量数据并不符合正态分布。 因此直接使用t检验并不可取。目前大多数差异分析用的是limma、edgeR、DESeq2这三个包。 limma、edgeR、DESeq2包都建议使用Counts作为输入,也就是原始计数矩阵作为输入进行分析,最好...
或更确切地说,我们作为科学家最关心的结果并不是那些为批量数据开发的工具所激发的传统方法所强调的结果。 bulk RNA-seq 实验中差异表达的基因代表条件之间大细胞聚集体中总表达水平的变化。因此,条件之间的表达倍增是重要且有意义的,因为它告诉我,在一种条件下表达基因 A 的细胞大约是另一种条件下表达基因 A 的...
1、在生信的坑里挖呀挖呀挖:DESeq2, Why are some p values set to NA? 2、Analyzing RNA-seq data with DESeq2
【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...
1.Bulk RNA-seq是入门生物信息学的好途径,是学习后续进阶内容(如单细胞RNA-seq和空间RNA-seq)的基础,如果没有接触过Bulk RNA-seq,一开始就去学习单细胞RNA-seq,学习难度和成本会大大增加; 2.Bulk RNA-seq在过去、现在和未来的应用场景:十几年前Bulk RNA-seq刚出现的时候,简单测序和分析就可以发表一篇令人满意...
RNA-seq:用于测定细胞或组织中RNA的相对丰度,从而了解基因表达水平。 5. 优缺点: 优点:成本相对较低,数据处理相对简单,适用于已知细胞群体的研究。 缺点:无法提供单个细胞水平的信息,无法解析细胞异质性。 如何选择: 研究目的:根据研究问题和目的选择合适的测序方法,如果需要了解单个细胞之间的差异,选择单细胞测序;如...
Bulk RNA-seq研究能保证测序深度,实现转录本的均匀覆盖,但特异性不足;scRNA-seq研究能精细到细胞水平,去除污染,保证基因检出的高特异性,但低丰度细胞类型,转录本检出的敏感性又差。很多研究开始两种技术结合使用,追赶热点的同时,实现优势互补,提升基因表达检测的全面性和准确性。
一般来说 RNA-Seq 重复率会比较高。ATCG 碱基占比容易出现前面碱基不稳定。多查看几个样本表现,如果波动模式差不多说明是随机引物不随机导致的,可以选择移除或不移除。 ATCG 占比前面碱基有波动 hisat2 比对 比对推荐 hisat2 不推荐 bowtie2. 因为 bowtie2 对剪切不友好,即使提高--maxins参数允许更长的片段...
通过整合单细胞测序和 bulk RNA-seq 分析,我们确定了一个 iCAF 相关特征,该特征将 BCa 患者分为具有不同分子特征的两个亚型。该特征在预测 TCGA-BLCA、GEO-meta 和三个 ICI 治疗队列中的免疫疗法/化疗的预后方面表现出稳健性。随后的分析确定了不良预后、免疫反应受损和 M2 浸润的中枢基因 LOXL2。此外,LOXL2...