学习RNAseq123
我们首先看看转录组领域的基因表达相关流程吧，首先一起学习 RNA-seq analysis is easy as 1-2-3 的是：
http://www.bioconductor.org/packages/release/workflows/html/RNAseq123.html 实际上就是使用常见的RNA-seq差异分析包，从头到尾走流程熟悉转录组数据分析的基本知识，让我意外的是，居然是有中文版教程，实在是不能太友好了！
HTML R Script RNA-seq analysis is easy as 1-2-3 with limma, Glimma and edgeR (Chinese version)
HTML R Script RNA-seq analysis is easy as 1-2-3 with limma, Glimma and edgeR (English version)
可能是因为作者里面有不少中国人吧！
R package that supports the F1000Research workflow article on RNA-seq analysis using limma, Glimma and edgeR by Law et al. (2016).
Author: Charity Law, Monther Alhamdoosh, Shian Su, Xueyi Dong, Luyi Tian, Gordon Smyth and Matthew Ritchie
在R里面安装这个bioconductor流程
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("RNAseq123")
因为是有中文的，我就不拷贝粘贴了，大家直接去阅读即可：
使用limma、Glimma和edgeR，RNA-seq数据分析易如反掌
http://www.bioconductor.org/packages/release/workflows/vignettes/RNAseq123/inst/doc/limmaWorkflow_CHN.html
全部目录如下；
1 摘要
2 背景介绍
3 初始配置
4 数据整合
4.1 读入计数数据
4.2 组织样品信息
4.3 组织基因注释
5 数据预处理
5.1 原始数据尺度转换
5.2 删除低表达基因
5.3 归一化基因表达分布
5.4 对样本的无监督聚类
6 差异表达分析
6.1 创建设计矩阵和对比
6.2 从表达计数数据中删除异方差
6.3 拟合线性模型以进行比较
6.4 检查DE基因数量
6.5 从上到下检查单个DE基因
6.6 差异表达结果的实用图形表示
7 使用camera的基因集检验
8 使用到的软件和代码
https://mp.weixin.qq.com/s/yQK5mv5Du-yu2pyCa1iuqQ
--
FROM 120.236.174.*