转录组分析流程(二)：差异分析
我们的教程主要是以一个具体的例子作为线索，通过对公共数据库数据bulk-RNA-seq的挖掘，利用生物信息学分析来探索目标基因集作为某种疾病数据预后基因的潜能及其潜在分子机制，同时在单细胞水平分析(对scRNA-seq进行挖掘)预后基因的表达，了解细胞之间的通讯网络，以期为该疾病临床治疗提供新的参考，同时我们还可以经过分子对接实现药物靶点的初步筛选。
文章目录
- 一、背景
- 1. DESeq2
- 输入矩阵
- 原理
- 参考文献
- 具体计算方法
- 代码
- 2. Limma (Linear Models for Microarray Data)
- 输入矩阵
- 原理
- 参考文献
- 具体计算方法
- 代码
- 二、差异分析实战
- 1.数据加载和预处理
- 2.DESeq2差异表达分析
- 3.火山图可视化
- 4.热图可视化
- 5.鉴定候选基因
一、背景
高通量测序得到的原始数据，经过数据质控，比对，定量之后