介绍 DESeq2常用于识别差异基因，它主要使用了标准化因子标准化数据，再根据广义线性模型判别组间差异（组间残差是否显著判断）。在获取差异基因结果后，我们可以进行下一步的富集分析，常用方法有基于在线网站DAVID以及脚本处理的两类，本文介绍基于fgsea的方法计算富集分析得分。 DESeq2差异分析 了解DESeq2如何标准化数据和识别差异基因。下面给出简要代码 library(DESeq

最近做RNA-seq，正好把流程整理下，也希望分享和相互学习。 具体将以Fastqc + Trimmomatic + STAR + HTseq-count + DEseq2的流程来进行。 查看数据完整性 for dir in `ls`; do cd $dir; md5sum -c MD5_*txt; cd ..; done 预处理 FastQC + Trimmomatic fas

问题来源 单细胞可以做差异分析，但是究竟选择哪种差异分析方法最靠谱呢？ 解决办法 于是我去检索文献，是否有相关研究呢？ https://academic.oup.com/bib/article/23/1/bbab402/6375516 文章指出，现有的差异分析方法（包括用于 bulk RNA-seq 和 scRNA-seq 的方法），它们都对样本量和批次效应敏感。 于是本研究没

教程来自：R语言DESeq2包做转录组RNAseq差异表达分析的一个简单小例子_哔哩哔哩_bilibili 代码： getwd()counts<-read.csv("lsm/counts.csv",row.names = 1)head(counts)dim(mycounts)counts_1<-counts[rowSums(counts) != 0,]dim(counts_1)g