筛选相关性基因

生物信息数据分析教程视频——11-筛选相关性基因 - 腾讯云开发者社区-腾讯云

TCGA数据库:miRNA的表达探索

生物信息数据分析教程视频——10-TCGA数据库:miRNA的表达探索 - 腾讯云开发者社区-腾讯云

TCGA数据库:基因的表达探索

生物信息数据分析教程视频——07-TCGA数据库:基因的表达探索 - 腾讯云开发者社区-腾讯云

Bioconductor的DNA甲基化芯片分析流程

Bioconductor的DNA甲基化芯片分析流程

ggplot2数据可视化的n种形式:R绘图Gallery

ggplot2数据可视化的n种形式:R绘图Gallery

clusterProfiler:富集分析和可视化的强大工具

clusterProfiler:富集分析和可视化的强大工具

三线表

compareGroups包——快速生成统计汇总三线表

R-论文三线表快速实现-update - 腾讯云开发者社区-腾讯云

GTEx联合TCGA数据库差异分析

GTEx联合TCGA数据库差异分析(更新)

R语言批量计算一个基因的表达相关基因

R语言批量计算一个基因的表达相关基因

ggplot2绘制热图

ggplot2绘制热图并添加注释信息

新版TCGA表达mRNA/miRNA和临床数据下载及R语言整合代码

新版TCGA表达mRNA/miRNA和临床数据下载及R语言整合代码

R做生存分析如何取最佳cutoff(截断)

DNA组:

  1. 比较不同实验组之间的基因表达差异:在线生物信息学工具:Online Venn Diagram tools(最多四个实验组)+interactiVenn(最多六个实验组)+DiVenn(适合不同的基因在不同的实验组里面的表达情况)

RNA组:

RNAseq测序(150bp常见)来比较control和expriment之间的转录组上面的差异(差异表达的基因)—再推断哪一个pathway或者生物代谢过程发生了变化

⭐️⭐️⭐️single cell RNAseq:单细胞层面,有更高分辨率来分析转录组的差异(可以比较到细胞跟细胞之间的差异)

example:至少有三个生物的biological replicates,统计学意义上才会更加明显。常规是基于基因组30倍的RNAseq的数据做分析(sequence depth序列深度)

gene-level的RNAseq分析+transcript-leverl的 RNAseq分析

Single cell RNA-seq 主要测序平台

10x genomics(对低表达的基因灵敏度高,价格高,下游分析更容易)

Indrops(灵敏度稍低,价格便宜,测试深度要更深)

SMART-seq(少用)

Requirement of scRNA-seq libraries

■Number of cells>3000 cells

■Sequence depth (mean reads/cells) 50,000-100,000

数据分析软件(scRNA-seq analysis software)

Seurat R Scanpy -python

步骤:1、数据处理(trimmomatic软件) 2、 数据分析方法 3、找到差异表达的基因,如何做后续分析

Gene-level RNAseq analysis

Tools align reads to reference genome: (alignment methods) 1.Tophat cufflink 2.STAR featureCount 3.HISAT StringTie

Transcript-level RNAseq analysis

Tools align reads to reference transcriptome: (alignment-free methods)

1.Salmon

2.Kallisto

3.Sailfish

Identify differential expressed transcripts: 1.Sleuth((gene-level and transcript-level analysis,for Kallisto) 2.Swish (gene-level and transcript-level analysis,for Salmon)

step3:

scRNAseq如何对不同type的cell进行标注(单细胞转录组细胞注释的方法):

Cell type annotation Mark-based annotation 1.Time consuming 2.Accurate Reference-based annotation 1.Fast 2.Need human validation

手动注释+自动注释

Step 1:Cell clustering analysis

Step 2:Feature plot of well-known marker

Step 3:Cell type annotation

RNAseq分析example:

1、NGS 数据clean,alignment,read count:code(下载基因组数据) 2、NGS差异基因分析 3、差异基因的作图 4、NGS下游分析(pathway和GO分析)

蛋白质组:

肿瘤突变数据可视化神器-maftools

Structure Variation 和Copy Number Variation(CNV)

GATK 资料包

1803 - Google Drive

生信人工具-sangerbox