韦恩图是一张生信分析常用的图形，通过下面的在线工具，无需自己动手写代码，可以快速创建韦恩图。在线绘...
利用Excel中的条件格式功能做韦恩图 b) 也可以用现成的工具http://bioinfogp.cnb.csic.es/tools/venny/ 这样 图B就做好了。 GO analysis 现在,我们已经把这些基因分类了,也Visualize了,其实这些炫酷的图基本没啥卵用的。也就是为了好看,告诉读者,我做了RNA-seq结果是这样的,给你看给你看,多好看啊!然而,读...
在RNA-seq项目中,每个椭圆表示一个比较组合(处理组 vs对照组)中的差异基因,椭圆重叠区域的数字表示对应的多个比较组合之间的共有差异基因个数,未重叠区域表示各比较组合特有的差异基因。可以通过与韦恩图对应的表格,可以看到比较组合共有和特有的基因信息。在这里插入图片描述 3、聚类热图 热图以特殊高亮的形式显示访客...
stringsAsFactors = T) mymeta colnames(mycounts_1) == mymeta$id ## 安装和计算差异表达基因 #载入R包 library(DESeq2) # 获取reads count 矩阵 dds <- DESeqDataSetFromMatrix(countData=mycounts_1, colData=mymeta, design=~dex) # 计算差异表达 dds <...
1.DESeq2、 edgeR、limma的使用 2.三类差异分析软件的结果比较——相关性、韦恩图 3.选取差异基因绘制火山图和热图 一、DESeq2、 edgeR、limma的使用 强烈建议查看官方说明书进行这三种差异分析的学习,链接在文章末尾给出。注意,这三个包都需要输入counts进行分析,不能用tpm、fpkm等归一化后的数据。 承接上节 ...
mRNA-seq数据分析1. 使用fastQC及multiQC对原始测序结果进行质控2. bowtie2去除测序数据中rRNA --约去除0.2%的rRNA数据3. hisat2进行参考基因组比对 --全比对率高于94%证明测序数据质量较好4. samtools转换文件格式5. featureCount对基因表达数据进行定量6. 基因表达数据转化为矩阵(merge函数)7. 转换基因symbol进 ...
Pat1用于展示RNA-seq测序原始数据质量的图示 当二代测序的原始数据拿到手之后,第一步要做的就是看一看原始reads的质量。如果一开始质量就不行,后面什么分析都是在浪费时间啊!这一步常用的工具是Fastqc。通常,会以单碱基质量分布图,ATCG含量分布图去展示原始数据的质量。
off() }) ##记录差异基因 DEG1 <- intersect(vn_pcDEG[["DESeq2-Up"]],vn_pcDEG[["edgeR-Up"]]) DEG2 <- intersect(vn_pcDEG[["DESeq2-Down"]],vn_pcDEG[["edgeR-Down"]]) DEG3 <- intersect(vn_pcDEG[["limma-Up"]],DEG1) DEG4 <- intersect(vn_pcDEG[["limma-Down"]],DEG2)...
。。。剩下的就是富集分析,热图,韦恩图云云,这些是 TBtools 的经典功能,大伙自行摸索。 写在最后 哦对了,如何获取插件?请翻看推文《Plugin | 高速版插件商店!我又有一个绝妙的 idea》 另,感谢 RNAseq系列插件 众筹开发的各位老铁的支持,没有他们的物质支持和精神鼓励,我想我确实不会坚持写出来这系列的插件。
可以看出比对软件相同时候,HTseq 和 featureCounts 的差异基因结果差别很小。 比对软件不同时候,使用相同的reads call 软件,最后使用DESeq2得到的结果差别也很小 当使用三套不同的流程时候,cuffdiff 和 DESeq2得到的结果表现比较一致,Ballgown得到的结果差别最大。