~
RNA-seq（RNA测序）是一种先进的转录组研究技术，它利用高通量测序平台来直接测量细胞中的RNA分子数量。这种技术能够提供关于基因表达的定量信息，包括未知基因的发现、已知基因的表达水平变化、以及可变剪接事件等。RNA-seq数据分析是一个复杂的过程，主要分为以下步骤：
1.数据质量控制：
检查原始测序数据的质量，去除低质量的读段（reads）。
2.序列比对：
将质量控制后的读段与参考基因组或转录本数据库比对，以确定它们的位置。
3.定量分析：
统计每个基因的读段数，通常表达为FPKM（每千个碱基的片段数每百万映射读数）或TPM（每百万转录本的片段数）等标准化指标，以消除基因长度和测序深度的影响。
4.差异表达分析：
使用统计模型比较不同条件或组别之间的基因表达水平，确定差异表达基因。
5.生物学功能解释：
对差异表达基因进行富集分析，包括基因本体（GO）分析和通路分析（如KEGG），以揭示这些基因在生物学上的作用。
转录组学（transcriptomics）的研究对象是全基因组尺度下所有转录本（transcript），即转录组（transcriptome）
将荧光标记的cDNA制成微阵列探针来测定样本中特定转录本含量。又称为 基因芯片（Gene Chip）、微阵列（Microarry）。
获取表达量的步骤：
提取RNA -> 反转录 （->扩增）->标记->杂交->扫描->获得原始数据
局限性：
• 只能检测已知或；确定性的序列
• 无法检测新发现的，未放置到芯片上的基因
• 有部分探针的信号可能会收到非特异性杂交或个体序列差异的影响
基于高通量二代测序技术的转录组学研究方法。
特点：
高通量、低成本；不依赖已知转录本探针，可以测全转录组；对于低表达丰度的转录本灵敏
度高；以reads数量腐酸表达，比芯片的荧光信号更为精确。
应用和最新进展
依据文库要求检查完整性分值，如果不合格将不适合建库测序。一些特殊文库对RNA提取要求很高，如全长转录组文库，需要特殊提取流
程保证RNA 完整性。
需要的数据：参考基因组数据fasta、GFF注释信息、双端测序的fastq文件
我这里用的是普通栽培稻( Oryza sativa L.)的参考基因组和、GFF文件和SRR17439319数据。
参考步骤： https://blog.csdn.net/sunchengquan/article/details/79781366
注意：配置时，需要在bin目录下执行 ./vdb-config --interactive ，然后弹出一大堆乱七八糟的之后，按X退出即可。再执行./fastq-dump，若没有报错，而是帮助信息的话即可以使用。
测序数据分析前需要经过数据预处理，并检查数据GC含量、序列重复成俗、是否存在接头等。
在质控后，再质检一次，对比看看有什么不同。
将 reads 匹配到参考基因组或转录组的相应位置上
• 非剪接比对：转录组
Bowtie、BWA
• 剪接比对：参考基因组
STAR、HISAT、Topha
对鉴定SNP做了优化： GSNAP、MapSplice等
① 建立基因组索引
②利用注释文件比对
没有注释文件的比对方法
③ SAM 文件处理
使用 samtools 对 SAM 文件排序并转化为 BAM 文件。samtools是一个用于操作sam和bam文件的工具合集，包含有许多命令。
④比对结果可视化
比对结果使用 IGV 、Genome Maps 和Sacant 等可视化查看。
例如：IGV 通过读入基因组和注释信息以及BAM 文件展示比对结果。
需要额外添加 BMA 的索引: samtools index test_sorted.bam test_sorted.bai
⑤比对结果评估
比对结果评估工具：RSeQC、Qualimap
计算FPKM
-p 线程数
-G 参考基因组注释
-e 只估计已给参考基因组注释的基因丰度
-A 基因丰度估计输出文件
-o 输出文件
转录组数据分析RNA-seq答：RNA-seq（RNA测序）是一种先进的转录组研究技术，它利用高通量测序平台来直接测量细胞中的RNA分子数量。这种技术能够提供关于基因表达的定量信息，包括未知基因的发现、已知基因的表达水平变化、以及可变剪接事件等。RNA-seq数据分析是一个复杂的过程，主要分为以下步骤：1.数据质量控制：检查原始测序数据的质...
转录组学基础——什么是RNA-seq答：RNA-Seq（RNA sequencing），也称为全转录组测序，是一种利用深度测序技术来研究样本的RNA组成的技术。这种技术能够提供关于细胞中RNA存在性和丰度的信息，可以用来鉴定和量化在特定时间点或条件下所有类型的RNA分子，包括mRNA、非编码RNA和小RNA。RNA-Seq开始于RNA的抽取和纯化。接着，通常会使用一种叫作...
什么是mRNA测序(RNA-seq)?答：【答案】： 转录组学（transcriptomics）是在基因组学后新兴的一门学科，即研究特定细胞在某一功能状态下所能转录出来的所有RNA（包括mRNA和非编码RNA.的类型与拷贝数。Illumina提供的mRNA测序技术可在整个mRNA领域进行各种相关研究和新的发现。mRNA测序不对引物或探针进行设计，可自由提供关于转录的客观和权...
RNA-Seq数据分析——原始数据质量控制(QC)答：RNA-Seq原始数据质量控制(QC)是非常重要的一个环节，由于各种原因，例如测序平台、实验操作等，原始测序数据可能存在不少问题，如低质量读段、接头序列、污染序列等。为了确保后续分析的准确性，需要先进行质量控制。一、常用工具：常用的质量控制工具有FastQC、MultiQC等，这些工具能提供测序数据的基本统计信...
RNA-seq 数据量化答：RNA-seq数据量化是指在RNA-seq实验中将原始测序数据（通常是读段，即reads）转化为表达量的过程，旨在确定每个基因或转录本在给定样本中的表达水平，这个过程包含几个关键步骤：1.读段（Reads）质量控制：在进行量化之前，首先需要对原始测序读段进行质量控制。这通常涉及去除低质量的读段、去除接头序列以及...
转录组分析1——原始数据以及过滤答：RNA-Seq主要有三个步骤，分别是第一：建库；第二，测序；第三，数据分析 1、先登录界面找到这个数据集所在位置：https://www.ncbi.nlm.nih.gov//geo/query/acc.cgi?acc=GSE52778 2、点击SRA Run selector 究计划的总体描述；项目通常涉及多个样本和数据集。• NCBI BioSample：SAMN ***和...
RNA-seq中的那些统计学问题(一)为什么是负二项分布?答：RNA-Seq（RNA测序）是一种利用深度测序技术来测量样本中的RNA表达量的方法。在RNA-Seq数据分析中，统计学问题是至关重要的一环，特别是在模型假设和表达量差异的统计推断上。一个关键的统计学问题是：为什么RNA-Seq计数数据使用负二项分布来建模？主要原因有以下几点：1.离散性和非负性：RNA-Seq生成的...
RNA-seq转录组名词解释基础答：现在，RNA-seq用于研究RNA生物学的许多方面，其中包括单细胞基因表达、翻译(翻译组,translatome)和RNA结构(结构体，structurome)。其它的应用也在开发中，例如 空间转录学(Spatialomics)。加上新的长片段 (long-read)和直接RNA-seq技术以及用于数据分析的更好的计算工具的整合，RNA-seq技术的创新有助于...
rna-seq技术是什么答：RNA-seq即转录组测序技术，就是用高通量测序技术进行测序分析，反映出mRNA,smallRNA,noncodingRNA等或者其中一些的表达水平。转录组测序技术（RNA-seq）作为目前二代测序领域最普遍的技术手段而获得广泛应用，应运而生的多种方法各有特点、争奇斗艳。传统方法通常需要富集mRAN，片段化mRNA，反转录和加接头...
转录组测序和RNA-seq的区别是什么答：RNA-seq即转录组测序技术，就是把mRNA,smallRNA,and NONcoding RNA等或者其中一些用高通量测序技术把它们的序列测出来。反映出它们的表达水平。数字基因表达谱升级版（RNA-Seq）是用来研究某一生物对象在特定生物过程中基因表达差异的技术。该技术结合了转录组测序建库的实验方法与数字基因表达谱（Digital ...
