创作中心
反馈咨询
欢迎添加微信!
微信号:z_gqing
微信二维码:

转录组

1 转录组数据介绍 1.1 转录组定义 1.2 RNA测序技术 1.2.1 mRNA-seq 1.2.2 long-read RNA-seq 1.3 转录组数据类型和格式 1.3.1 FASTQ文件 1.3.2 BAM/SAM文件 1.3.3 BED/GTF/GFF文件 2 生物信息学基础 2.1 基因组注释 2.2 生物统计学基础 2.3 R语言编程基础 2.4 Python编程基础 3 转录组数据预处理 3.1 转录组数据质量控制 3.1.1 fastQC 3.1.2 MultiQC 3.2 转录组数据剪接和过滤 3.2.1 Trimmomatic 3.2.2 Cutadapt 3.3 转录组数据比对 3.3.1 HISAT2 3.3.2 STAR 3.3.3 Bowtie2 3.4 比对结果评估 3.4.1 Qualimap 3.4.2 RSeQC 4 转录本组装与定量 4.1 转录本组装 4.1.1 Cufflinks/Cuffmerge/Cuffdiff 4.1.2 StringTie 4.2 转录本定量 4.2.1 HTSeq-count 4.2.2 featureCounts 4.3 差异表达分析 4.3.1 DESeq2 4.3.2 edgeR 4.3.3 limma-voom 5 功能富集分析 5.1 GO富集分析 5.2 KEGG通路富集分析 5.3 Reactome通路富集分析 6 转录组其他高级分析 6.1 转录组之时间序列分析 6.2 转录组之稳健性分析 6.3 转录组之协作网络分析 6.4 转录组之热图、火山图、PCA等可视化工具 7 转录组实例研究 7.1 已发表论文解析 7.2 自己的数据实践操作 8 转录组数据库资源 8.1 SRA 8.2 GEO 8.3 ArrayExpress 8.4 ENSEMBL 8.5 STRING
首页 教程 转录组 RSeQC
RSeQC(RNA-seq Quality Control)是一个Python脚本集,用于评估RNA测序数据的质量。它提供了一系列的工具和指标,可以帮助研究人员了解RNA测序数据的质量,包括测序深度、基因表达水平、基因组覆盖度等。 RSeQC主要包括以下几个模块: 1. Basic modules: 提供了一些基本的统计信息,如测序深度分布、碱基质量分布、GC含量等。 2. Read distribution: 分析reads在基因组上的分布情况,例如reads在exon、intron、intergenic区域的分布。 3. Junction annotation: 对splicing junction进行注释,可以用来检测新的splice junction。 4. RNA integrity number (RIN): 通过比较reads在3'端和5'端的覆盖度,评估RNA样品的完整性。 5. Strand specificity: 分析reads的方向性,以确定RNA测序是否具有方向特异性。 6. Coverage profile: 计算基因组上每个位置的覆盖度,可用于评估测序深度是否足够。 7. Gene body coverage: 分析reads在基因体内的分布,可以用来研究转录过程中的剪接和降解现象。 总的来说,RSeQC是一个非常有用的工具,可以帮助研究人员全面地评估RNA测序数据的质量,并为后续的数据分析提供重要的参考信息。

官方微信
点击收藏 编辑日记
木牛零码 Newmer生信 公司产品 意见反馈 联系我们 关于我们 招合伙-招聘-兼职
Copyright © 2021-2024 上海牛马人生物科技有限公司 沪ICP备 2022007390号-2