- 综合排序
- 最热优先
- 最新优先
- 来自专栏正则
RNAseq 1.2
cd RNA_ref wget http://genomedata.org/rnaseq-tutorial/fasta/GRCh38/chr22_with_ERCC92.fa ls 查看该文件的前10
51430发布于 2021-09-07 - 来自专栏若尘的技术专栏
RNAseq
查看文件信息的几种命令 ll -rth 可以显示当前目录下的文件，及其简单信息，但是无法查看具体大小等信息 [yelx@localhost rawdata]$ ll -rth total 19G -rw-rw-r--. 1 yelx yelx 1.5G Mar 26 12:20 DX20210308_RNA_seq-2-pLVX-ShRNA-2-H1975_BKDL210012906-2a-A46-AK4544_1.fq.gz -rw-rw-r--. 1 yelx yelx 1.5G Mar 26 12:2
92465编辑于 2021-12-01 - 来自专栏生信喵实验柴
RNAseq原理
背景 实验设计 RNAseq 实验设计评估 RNAseq 实验需要多少样本，每个样本需要多少测序数据？ RNAseq 主要考虑低丰度的基因是否能够被检测到，定量的结果是否准确。如果想要检测到低丰度表达，那么就需要足够的测序量，定量结果准确需要较多的生物学重复。 假阳性与真阳性：如果某个基因在 RNAseq 分析结果显示为差异表达，但 qPCR结果表明表达差异不显著，则认为是假阳性，反之则为真阳性。 二、测序数据量的影响 在 RNAseq 实验中，在一定的生物学重复数（n）的情况下，随着单样本测序量（Depth）的提高，假阳性率（FDR）和真阳性率（TPR）都只是有限的提高。
51130编辑于 2022-10-25 - 来自专栏正则
RNAseq 1.1
前言 本教程来自与我保存在github上的RNAseq教程 这是一个RNA-seq分析的教学教程和工作演示流程，包括介绍云计算(不介绍了，直接从第二章开始)、下一代序列文件格式、参考基因组、基因注释、
63820发布于 2021-09-07 - 来自专栏正则
RNAseq 1.3
wget http://genomedata.org/rnaseq-tutorial/annotations/GRCh38/chr22_with_ERCC92.gtf 看看gtf文件的内容。
56630发布于 2021-09-07 - 来自专栏生信喵实验柴
RNAseq 简介
一、RNAseq简介 1.1 RNAseq 定义 转录组，也叫做 RNAseq，是指特定类型细胞中全体转录本的集合。 对于转录组的测序就称为 RNAseq。 1.2 mRNAseq 我们目前的 RNAseq 测序主要就是研究转录出来的 mRNA。 差异表达基因 DGE 是目前 RNAseq的主要分析内容。 4.1 有参与无参转录组 所谓有参 RNAseq，主要是指有参考序列的 RNAseq 分析，如图所示，对于有参RNAseq 不需要对转录本进行拼接，而是将测序数据与参考基因组序列进行短序列比对 4.3 bulk 转录组与单细胞转录组 bulk RNAseq 是相对于 Single Cell RNAseq 来说的。
2.3K20编辑于 2022-10-25 - 来自专栏正则
RNAseq 1.4
1.Module 1 - Introduction to RNA sequencing
33630发布于 2021-09-07 - 来自专栏生信喵实验柴
RNAseq定量方法
那么对于 RNAseq 研究，是在基因水平还是转录本水平比较差异更准确呢？ 严格来说，应该比较转录本水平的表达差异更加准确。 三、几种 RNAseq 定量方法比较 给定两个基因，如何比较是否存在表达差异呢？如何进行量化。 无论采用哪种比较方法，我们都应该知道下面两个原则： 1、RNAseq 定量都是一种相对定量的方法，不同的定量方法，结果会有所差异； 2、一般研究只关注差异最大的一些基因，因此
1.5K10编辑于 2022-10-25 - 来自专栏生物信息学、python、R、linux
homer分析RNAseq数据
image.png Homer这个软件比较强大，主要做ChIP-Seq分析，除此之外，还可以做RNAseq以及microarray的分析 原文：http://homer.ucsd.edu/homer
1.1K21发布于 2020-04-01 - 来自专栏Sentieon
RNAseq加速分析方案
RNAseq，即通过高通量测序技术进行转录组测序分析技术，作为研究RNA的表达水平以及表达差异基因的应用，在过去的十几年内迅速发展。 而今，RNAseq在转录本变异检测，基因融合检测，可变剪切检测等场景均有大规模的应用。 在数据分析方面，经过多年的探索与沉淀，业界针对不同的RNAseq应用逐渐产生了相应的主流分析方案。其中STAR作为一款经典的比对软件，在科研与临床的RNA测序数据分析中有着广泛的应用。 由于这些样本的数据量较小（每个RNAseq样本8.9G左右，捕获样本数据1.3G左右），STAR在定量流程中所占比重也不太大，因此提速效果不是特别明显。 经过真实数据的评测，我们通过数据展示了Sentieon流程在RNAseq的三项不同应用之中的性能提升，希望能够为业界选择合适的RNAseq分析流程提供参考。
29500编辑于 2023-08-24 - 来自专栏生信菜鸟团
RNAseq分析之FastQC
FastQC与特定的测序技术无关，因此可以用于查看各种组学的测序数据（包括不限于 WGS、WES、RNAseq、ChIP-seq、BS-Seq等） 3下载安装 如果可以Conda安装，我们一般默认推荐采用 conda安装 ## 首先创建一个RNAseq分析小环境 conda crean -n rnaseq ## 激活小环境 conda activate rnaseq ## 安装软件 conda install FastQC适用多种组学流程分析，那么在RNAseq流程中，fastqc 输出结果该如何去理解呢？下面让我们拿一个RNAseq报告的结果来一一解读一下吧。 纵坐标是重复序列占总序列的百分比 在理想的RNAseq数据中，大多数序列都应该是唯一的，因为它们代表了从不同转录本中捕获的RNA片段。 这种大量重复在RNAseq中是正常的。 9、 Overrepresented sequences 表中的“序列”列显示了具体的核苷酸序列。"
1.2K40编辑于 2023-11-08 - 来自专栏生信喵实验柴
RNAseq建库方法
背景 当前 RNAseq 主要研究的是 mRNA，由于一次转录过程中，mRNA 只占很少一部分（约 4~5%），需要采用特殊的建库方式将 mRNA 从总 RNA 中分离出来。 具体建库流程如下： 链特异性文库 四、小RNA建库 五、spike-in 内参 RNA 的 spike-in 一种绝对定量的方法，在原有的 RNAseq 文库中加入已知量的
2.9K10编辑于 2022-10-25 - 来自专栏生物信息学、python、R、linux
RNAseq下游分析--edgeR +cluserprofiler
RNAseq分析可以用hisat2+samtools+stringtie得到表达矩阵，后面可以通过edgeR + clusterprofiler分析。
1.2K10发布于 2020-04-01 - 来自专栏若尘的技术专栏
RNAseq-踩坑
下面总结一下，查看文件信息的几种命令 ll -rth 可以显示当前目录下的文件，及其简单信息，但是无法查看具体大小等信息 [yelx@localhost rawdata]$ ll -rth total 19G -rw-rw-r--. 1 yelx yelx 1.5G Mar 26 12:20 DX20210308_RNA_seq-2-pLVX-ShRNA-2-H1975_BKDL210012906-2a-A46-AK4544_1.fq.gz -rw-rw-r--. 1 yelx yelx 1.5G Mar
77155编辑于 2021-12-06 - 来自专栏生信喵实验柴
RNAseq不同测序平台比较
一、不同平台 RNAseq 研究的比较 在前面介绍过不同测序平台的优势，目前市场上主流测序平台主要包括短读长测序的 illumina 测序平台，华大基因的 MGI 测序平台，长度长测序的
3.9K20编辑于 2022-10-25 - 来自专栏生信菜鸟团
BETA整合ChIPseq和RNAseq
前些天，生信技能树 表观转录调控之ChIP-seq和RNA-Seq联合分析 介绍了一篇文献取ChIP-seq和RNA-seq数据的交集进行联合分析，小编在底下留言提到了刘Shirley实验室出品的几款整合分析工具，其中有一个BETA软件。本文就此工具做一个使用介绍。
1.8K20编辑于 2022-04-08 - 来自专栏生物信息学、python、R、linux
limma做RNAseq差异分析
limma是一个很强大的用于分析芯片的R包，也可以用于RNA-Seq的差异分析 以两个组比较为例：首先输入count表达矩阵，这里也跟其他差异分析R包一样，不要输入已经标准化的数据。 本文主要参考：https://www.bioinfo-scrounger.com/archives/115/
4K40发布于 2020-04-01 - 来自专栏优雅R
跟着存档教程动手学RNAseq分析（一）
Harvard Chan Bioinformatics Core img 基因水平差异表达分析概述 相关数据文件 DGE_workshop_salmon.zip[2] 概览 RNAseq差异分析的目的是评估不同实验条件下哪些基因 一个典型的RNAseq分析流程如下图所示： img 在接下来的几节内容中，我们将带你通过使用各种R包完成端到端基因水平RNA-seq差异表达工作流程。
1.3K10编辑于 2022-06-27 - 来自专栏全栈程序员必看
RNAseq-GO、biomaRt转换ID
O.Sativa选用MSU或者RAPDB这两个数据库的genome和gtf文件，介绍一下MSU的ID，RAPDB的同理。The Rice Annotation Project (RAP)（https://rapdb.dna.affrc.go.jp/index.html）和Rice Genome Annotation Project （RGAP7，MSU）（http://rice.plantbiology.msu.edu/index.shtml）RAP格式为“Os-Chr-g-number”，MSU格式为“LOC_Os-Chr-g-number”。
1.6K20编辑于 2022-11-15 - 来自专栏小汪Waud
一行命令跑通RNAseq下游
Github网址 https://xiayh17.top/RNAseqStat/index.html 简单来说"RNAseqStat"是用来对RNAseq上游分析得到的表达矩阵进行下游分析，只需要将表达矩阵整理成示例数据的格式
72430编辑于 2023-02-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号