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 转录组其他高级分析
转录组学是研究细胞在特定条件下基因表达情况的学科。除了基本的差异表达分析,转录组学还涉及到许多其他高级分析方法,这些方法可以帮助我们更深入地理解基因表达的变化以及其背后的生物学意义。 1. 转录因子和miRNA分析:转录因子和miRNA对基因表达具有调控作用。通过分析转录因子和miRNA的表达变化,可以推测它们可能影响哪些基因的表达。 2. 通路分析:通路分析可以帮助我们理解基因表达变化如何影响细胞内的信号传导和代谢途径。例如,KEGG(京都基因与基因组百科全书)通路分析就是一种常用的方法。 3. 网络分析:网络分析可以将基因、转录因子、miRNA等生物分子连接起来,形成一个复杂的调控网络。通过网络分析,我们可以看到哪些基因或分子在网络中占据重要的位置,从而推测它们可能的功能。 4. 时间序列分析:对于一些动态过程,如细胞分化、疾病发展等,可以通过时间序列分析来研究基因表达随时间的变化规律。 5. 单细胞转录组分析:单细胞转录组分析可以揭示细胞群体内部的异质性,帮助我们了解不同细胞类型的特性和功能。 6. 多组学整合分析:将转录组数据与其他类型的数据(如蛋白质组、表观基因组等)进行整合分析,可以得到更全面的生物学信息。 以上只是转录组学高级分析的一部分,随着技术的发展,未来可能会有更多的分析方法出现。

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