真核有参转录组测序

产品介绍常见问题经典案例结果展示


结果展示

数据质控

测序得到的原始测序序列(Sequenced Reads)或者 raw reads,里面含有带接头的、低质量的reads,为了保证信息分析质量,必须对raw reads过滤,得到clean reads,后续分析都基于clean reads。在测序过程中会存在一定的错误率,测序错误率分布检查可以反映测序数据的质量。

参考序列比对

将比对到基因组上的reads分布情况进行统计,定位区域分为Exon(外显子)、Intron(内含子)
和Intergenic(基因间区)。reads与参考基因组比对率,
指比对到参考基因组上的reads数目除以有效测序数据的reads数据,可反映样本的基因组拼接注释水平。

基因表达水平分析

一个基因表达水平的直接体现就是其转录本的丰度情况,转录本丰度越高,则基因表达水平越高。我们通过所有基因的FPKM密度图以及小提琴图对不同实验条件下的基因表达水平进行比较,可以直观的获得不同实验条件下基因表达水平的情况。

RNA-seq相关性分析

RNA-seq相关性分析,是证明所涉及的生物学实验操作是可以重复的且变异不大,另一个是为了确保后续的差异基因分析得到更可靠的结果。

差异表达基因分析

差异表达基因以火山图、聚类热图、韦恩图等形式展示,可直观展示样本间差异基因表达的情况。用火山图可直观展示不同实验条件下差异基因的分布情况,对于有生物学重复的实验,由于DESeq已经进行了生物学变异的消除,我们对差异基因筛选的标准一般为:padj<0.05。对于无生物学重复实验,我们采用DEGSeq软件,筛选差异基因时设定更为严格的阈值|log2 Fold Change)| >1且padj <0.005。为了增强数据的可靠度,我们建议设置生物学重复。

差异表达基因筛选及聚类分析

聚类分析用于判断差异基因在不同实验条件下的表达模式,可通过将表达模式相同或相近的基因聚集成类,可清晰解读不同条件下样本间表达模式的差异。

差异基因GO富集分析

差异基因GO富集柱状图,直观的反映出在生物过程(biological process)、细胞组分(cellular component)
和分子功能(molecular function),富集的GO term上差异基因的个数分布情况。
可挖掘差异基因的功能及所在的信号通路,缩小基因筛选的范围。