真核有參轉錄組測序

產品介紹常見問題經典案例結果展示


結果展示

數據質控

測序得到的原始測序序列(Sequenced Reads)或者 raw reads,里面含有帶接頭的、低質量的reads,為了保證信息分析質量,必須對raw reads過濾,得到clean reads,后續分析都基于clean reads。在測序過程中會存在一定的錯誤率,測序錯誤率分布檢查可以反映測序數據的質量。

參考序列比對

將比對到基因組上的reads分布情況進行統計,定位區域分為Exon(外顯子)、Intron(內含子)
和Intergenic(基因間區)。reads與參考基因組比對率,
指比對到參考基因組上的reads數目除以有效測序數據的reads數據,可反映樣本的基因組拼接注釋水平。

基因表達水平分析

一個基因表達水平的直接體現就是其轉錄本的豐度情況,轉錄本豐度越高,則基因表達水平越高。我們通過所有基因的FPKM密度圖以及小提琴圖對不同實驗條件下的基因表達水平進行比較,可以直觀的獲得不同實驗條件下基因表達水平的情況。

RNA-seq相關性分析

RNA-seq相關性分析,是證明所涉及的生物學實驗操作是可以重復的且變異不大,另一個是為了確保后續的差異基因分析得到更可靠的結果。

差異表達基因分析

差異表達基因以火山圖、聚類熱圖、韋恩圖等形式展示,可直觀展示樣本間差異基因表達的情況。用火山圖可直觀展示不同實驗條件下差異基因的分布情況,對于有生物學重復的實驗,由于DESeq已經進行了生物學變異的消除,我們對差異基因篩選的標準一般為:padj<0.05。對于無生物學重復實驗,我們采用DEGSeq軟件,篩選差異基因時設定更為嚴格的閾值|log2 Fold Change)| >1且padj <0.005。為了增強數據的可靠度,我們建議設置生物學重復。

差異表達基因篩選及聚類分析

聚類分析用于判斷差異基因在不同實驗條件下的表達模式,可通過將表達模式相同或相近的基因聚集成類,可清晰解讀不同條件下樣本間表達模式的差異。

差異基因GO富集分析

差異基因GO富集柱狀圖,直觀的反映出在生物過程(biological process)、細胞組分(cellular component)
和分子功能(molecular function),富集的GO term上差異基因的個數分布情況。
可挖掘差異基因的功能及所在的信號通路,縮小基因篩選的范圍。

安卓手机捕鱼游戏 注册绑定即送18元的棋牌 七乐彩走势图大全表 金沙牌官方下载 双色球12年开奖号码查询结果 体彩内蒙古11选5走势图 双色球z003年中大奖 乐彩广东11选5预测 山西快乐十分钟规则 山西11选5走势图任选基本走势图 兴业银行股票