rnaseq数据分析 normalize

转录组数据分析RNA-seq转录组是全基因组尺度上所有转录物的研究对象，即转录组将荧光标记的cDNA制成微阵列探针，以确定样品中特定转录物的含量。规范化是缩放原始计数以解决“无意义”因素的过程。

1、RNA-seq中的基因表达量计算和表达差异分析原文链接:RNA中基因表达量的计算及表达差异的分析生物知识学习的seq步骤(biotechknowledgestudy.com)差异分析:1)比较；2)readcount计算；3)归一化3)read count；4)差异表达分析；背景知识:1)对比:一般对比:BWA、肥皂开口缝隙对比:礼帽(领结2)；2)Readcount:丢弃平均分布，并重新分配由相对于参考系统的表达量的表达量计算的必需靶基因的表达量的值。

2、6.单细胞RNA-seq:归一化和PCA分析获得我们的高质量单细胞后，单细胞RNAseq(scRNAseq)分析工作流程的下一步是执行聚类。聚类的目的是将不同的细胞类型分成独特的细胞群。为了进行聚类，我们确定了细胞间表达差异最大的基因。然后，我们用这些基因来确定哪些相关基因集是细胞间表达差异最大的原因。在聚类之前，我们需要理解几个概念。第一个是countnormalization，对于准确比较细胞(或样本)之间的基因表达非常重要。

规范化是缩放原始计数以解决“无意义”因素的过程。这样，细胞之间和/或细胞内的表达水平更具可比性。在规范化过程中经常考虑的主要因素是，scRNAseq中的每个单元格都有不同的关联读取次数。因此，为了准确地比较细胞之间的表达，有必要标准化测序深度。在scRNAseq分析中，我们将比较不同基因在细胞中的表达以群集细胞。

3、【RNA-seq自学02】RNAseq的原理及流程RNAseq是一种高通量测序技术。它可以帮助我们了解各种比较条件下所有基因表达的差异。可检测的差异有:正常组织与肿瘤组织的差异；还可以检测药物治疗前后基因表达的差异；还可以检测不同发育阶段不同组织间基因表达的差异。同时也可以检测出RNA的结构差异。比如mRNA剪接方式的不同，也就是通常所说的选择性剪接，也可以检测融合基因，同时也可以检测基因单点突变引起的SNP 。
【rnaseq数据分析 normalize】