RNA-Seq differential expression analysis: An extended review and a software tool RNA-Seq差异表达分析: 扩展评论和软件工具 正确鉴定特定条件之间的差异表达基因(DEG)是理解表型变异的关键。高通量转录组测序(RNA-Seq)已成为这些研究的主要选择。 因此,用于RNA-Seq数据的差异表达分析的方法和软件的数量也迅速增加。
A. Exponential scaling of single-cell RNA-seq in the past decade. Nat. Protoc. 13, 599–604 (2018). This review is an excellent introduction to the full range of single-cell sequencing methods. Article CAS PubMed Google Scholar Leelatian, N. et al. Single cell analysis of human ...
CNKI南京航空航天大学学报(英文版)ZHANG L, LIU X J. A comprehensive review on RNA-seq data analysis[J]. Transactions of Nanjing University of Aeronautics and Astronautics, 2016, 33(3): 339-361.
RNA-seq数据 + 别人的ChIP-seq数据,准确找到靶基因,详见《RNA-seq这样画图,国自然必得A》; RNA-seq数据,转换成ATAC-seq,挖出关键调控因子,详见《任意两组RNA-seq变身,国自然得AAA》; RNA-seq数据,找enhancer expression,挖明星分子的远距离调控机制,详见本文。 “enhancer expression”是啥? 2010年的Nature,Kim...
在相同的实验中校正样品或细胞之间的批次效应是经典的来自 bulk RNA-seq 的批次校正(Batch effects)。 我们将这与多次实验的数据整合区分开来,我们称之为数据整合(data integration)。虽然批效应通常使用线性方法校正,但一般使用非线性方法进行数据整合。 最近对经典批次校正方法的比较显示,ComBat (Johnson et al,2006...
图1. 典型的单细胞 RNA-seq 分析工作流程示意图。原始测序数据经过处理和比对,得到计数矩阵,代表工作流程的开始。计数矩阵经过预处理和下游分析。使用 Haber et al (2017) 肠上皮细胞数据的最佳实践工作流程生成子图。 框1:实验性scRNA-seq工作流的关键元素 ...
Modeling and analysis of RNA-seq data: a review from a statistical perspective 今天小编从统计学角度分别介绍下样本,基因,转录本和外显子水平相关的RNA-seq分析工具。 一、样本水平分析:转录组相似性 1、相关分析是测量生物样品转录组相似性的经典方法。最常用的度量是Pearson和Spearman相关系数。该分析首先计算任...
A comprehensive evaluation of normalization methods for Illumina high-throughput RNA sequencing data analysis https://www.biostars.org/p/273537/ What the FPKM? A review of RNA-Seq expression units http://www.rna-seqblog.com/rpkm-fpkm-and-tpm-clearly-explained/...
首先,说下RNA-seq的研究目的,第一篇论文告诉了我们答案: 可以分为四个方面: 样本水平分析:这里主要通过计算不同生物之间的相似性,通过构造相似性矩阵或者相关矩阵来衡量不同sample的相似性。 基因水平分析:基因差异表达分析,这是RNA-seq最主要的目的了把,也是运用最多的,就是通过RNA反过来研究细胞特异性的基因,环境...
这次是分享李婧翌团队的一篇综述《Modeling and analysis of RNA-seq data: a review from a statistical perspective》,从统计学的角度理解RNA-seq的分析 分析的方向 目前正对RNA-seq的数据主流的有4个方向(当然事实上不止这些,可以辛苦读者慢慢收集整理,欢迎与我讨论) ...