差异表达分析通常作为根据基因表达矩阵进行生物信息学分析的第一步，有助于我们观察基因在不同样本中的表达差异，从而确定要研究的基因和表型之间的联系。常用的基因表达数据来自基因芯片或高通量测序。虽然矩阵看起来差不多，但是由于服从不同的分布，因此在进行差异表达的时候需要用不同的方法。对于一般的生命科学领域科研人员来说，了解晦涩的算法并没有太大价值。本文力求精简，从数据——算法——结果三个方面

1.下载sra文件 prefetch SRR* -O {outputfile}prefetch -O output --option-file SRR_Acc_List.txt 2.sra文件转换fa -- gzip 转换fa.gz #定义存放输出数据的文件夹，需要先创建这个文件夹‘fastq’mkdir fastqfqdir=/trainee2/Mar7/rna/pro

融合基因（Fusion gene）是指两个基因的全部或一部分的序列相互融合为一个新的基因的过程。其有可能是染色体易位、中间缺失或染色体倒置所致的结果。 异常的融合基因可以引起恶性血液疾病以及肿瘤。例如典型的EML4-ALK BCR-ABL融合基因可以导致白血病，此外还有在前列腺癌症里面经常被发现的TMPRSS2-ERG，在非小细胞肺癌里面经常发现的EML4-ALK，VTI1A-TCF7L2 （直

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

提要： 本次实验给了我三个样品ABC,其中A是单端测序仅有一个文件，B,C为双端测序，有两个文件。给我的数据都是clean data，因此我没有进行质控，直接从STAR比对开始，然后利用了rsem进行转录本定量。利用DEseq2进行差异表达分析。其中分组为B相对与A上调的基因为upAB,B相对于C上调的基因为upBC。分别找到两组上调基因后去overlap共同的基因，然后将这些overlap到的基

这个题目是转载别人的，原出处没能找到，原作者看到可以联系删除。 当时在做这个转录组分析之前不太了解这个到底是什么，但是跟着流程完成了，也得到了结果，但是还是有很多问题不太明白。看到下面这个问题后稍微有了一些自己的理解。 用一个题目理解rna-seq 假设有一个物种非常的小，仅仅只有三个基因： A, B, C，并且这三个基因都转录本长度分别为10bp, 100bp, 1000bp. 你想通过两

目录 前记 一、计算FPKM 二、计算reads数 后记 前记 RNA-seq技术是研究基因表达的常用方法之一，其表达丰度计算是RNA-seq数据分析的重要步骤之一。 RNA-seq表达丰度计算的基本流程如下： 序列比对：将测序数据比对到参考基因组，得到每个基因的计数。 转录本重构：使用转录本拼接软件，如Cufflinks或StringTie，将比对后的 Bam/Sam 文