转录组差异分析 - 经验交流

差异分析?单细胞转录群体基础分析 7: 差异基因富集分析本文为参考学习单细胞转录群体基础-2 。Do 差异分析总结imma、edgeR、DESeq2三个包，基本都是转录group差异分析的黄金标准，大部分，转录group分析指单元格分析中所有转录产品的集合。

1、转录组数据标准化--Normalization 转录数据集由于测序深度和基因长度的关系，需要在差异分析之前进行标准化。标准化是转录Group Data差异-2/中必不可少的步骤。目前转录group差异-2/，使用的软件主要有两个:Deseq2和edgeR；对于这两个软件，学习一下当前应用的标准化方法。通过获得每个样本的相应尺寸因子Cj ，不同样本的计数是可比较的，即使这些样本的分选深度不同。

normalized . lib . sizeztrue){ edger }原理:将文库的大小作为标准化的一种形式是很直观的，因为将一个样本测序到一半的深度，将会得到平均一半的读数映射到每个基因上。计算方法:calcnormfactors(...，methodupperquartile，P 0.75) {Edge}原理:类似于标准化微阵列数据的标准技术，该方法根据分位数等参数匹配基因计数样本间的分布。

2、RNA-seq摸索:3.基因表达水平分析→featureCounts计量→ 差异表达分析及可...R中标准化的主要目的是去除测序数据的技术偏差:测序深度和基因长度。测序深度:相同条件下，测序深度越深，读取的基因表达读数越多。基因长度:在相同条件下，不同的基因长度产生不相等的读数。基因越长，基因的读数越高。对于给定的基因组参考区域，计算比对的读数，也称为rawcount(RC) 。计数结果的差异的影响因素:落在参考区上下限的读数是否需要计数，按照什么标准计数。

RPM适用于产生不受基因长度影响的读数的测序方法，如miRNAseq测序。miRNA的长度一般在2024个碱基之间。RPKM/FPKM法:10 3标准化了基因长度的影响，10 6标准化了测序深度的影响。FPKM方法类似于RPKM，主要针对双端RNAseq实验中转录的定量。在双端RNAseq实验中，有两个相应的从相同的DNA片段中读出的结果。
【转录组差异分析】
3、...没有参考基因组信息的序列怎样进行注释, 差异分析???