Bulk RNA-Seq转录组学习

本文是一篇关于RNA-Seq转录组分析的系列教程,涵盖工作环境准备、读取数据、理解fastq、参考基因组与基因注释、序列比对、reads计数、差异表达分析和富集分析等步骤。介绍了关键工具和概念,如DEXSeq、FastQC、Picard、RSeQC、Salmon、HISAT2、STAR、FPKM和TPM等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

与之对应的是single cell RNA-Seq,后面也会有类似文章。

参考:https://github.com/xuzhougeng/Learn-Bioinformatics/

作业:RNA-seq基础入门传送门

资料:RNA-seq Data Analysis-A Practical Approach(2015)

Bioinformatic Data Skill

biostar handbook

A survey of best practices for RNA-seq data analysis

Gaining comprehensive biological insight into the transcriptome by performing a broad-spectrum RNA-seq analysis

Detecting differential usage of exons from RNA-seq data

转录组入门(1): 工作环境准备

miniconda2

cd src
wget https://repo.continuum.io/miniconda/Miniconda2-latest-Linux-x86_64.sh
bash Miniconda2-latest-Linux-x86_64.sh
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels bioconda
conda config --set show_channel_urls yes

在里面安装各种工具

conda create -n biostar sra-tools fastqc hisat2 samtools htseq

 

转录组入门(2):读文章拿到测序数据

AKAP95 regulates splicing through scaffolding RNAs and RNA processing factors. Nat Commun 2016 Nov 8;7:13347. PMID: 27824034

GSE81916,https://www.ncbi.nlm.nih.gov/geo/

for i 
### 单细胞RNA测序 (scRNA-seq) 与批量RNA测序 (bulk RNA-seq) 的区别 #### 技术原理差异 单细胞RNA测序技术能够捕获并分析单一细胞内的转录组信息,从而揭示不同细胞间的异质性和功能特性[^1]。相比之下,批量RNA测序则是通过对大量细胞群体的整体mRNA表达水平进行测量来反映平均基因表达情况[^2]。 #### 数据分辨率对比 由于scRNA-seq专注于个体细胞层面的数据采集,因此它提供了极高的分辨率,可以识别稀有细胞亚型以及研究细胞间变异现象[^3]。而bulk RNA-seq因为是对整个样本中的所有细胞取均值处理,所以其数据粒度较粗,在检测低丰度转录本或者特定条件下仅存在于部分细胞里的分子事件方面存在局限性[^4]。 #### 实验设计考量因素 在实验规划阶段考虑采用哪种方法时需注意成本效益平衡问题:尽管scRNA-seq能提供更精细的结果,但每单位样品所需的费用远高于传统Bulk sequencing方式;另外还需评估目标科学问题是否确实需要如此细致的信息层次——如果只是关注整体趋势变化,则可能无需动用昂贵复杂的single-cell平台即可满足需求[^5]。 #### 生物学意义挖掘角度 通过运用高级计算工具和技术手段对来自这两种不同类型测序产生的大数据集加以解析后发现,利用scRNA-seq可以获得关于肿瘤微环境构成要素之间相互作用关系的新见解,并有助于理解疾病进展机制及开发个性化治疗策略等方面发挥重要作用[^6]。与此同时,bulk RNA-seq仍然广泛应用于基础医学研究领域,比如探索基因调控网络动态调整规律等课题上表现出色[^7]。 ```python import scanpy as sc adata = sc.read_h5ad('example_scRNAseq_data.h5ad') print(adata.obs['cell_type'].value_counts()) ``` 上述Python脚本展示了如何加载一个标准的AnnData对象形式存储的单细胞RNA序列文件,并打印出其中所含各类别细胞数量统计结果的例子。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值