
生信人之前推过很多的课程,但是课程都侧重于套路的复现和思路的复现,或者就是过于基础的课程。这次我们推出的课程更加侧重于分析技能和技巧的讲解,相信客户能够更好的进行复现和重复。2、所涉及的代码操作,参数全部外置,客户可以不用读懂代码也可以操作。4、所有的课程都提供demo数据测试,并经过了内部审核。
Limma、RankRrod、Deseq2、edgeR、t-test。




以下是视频的word版本
小编给大家介绍下常用的富集分析方法以及基础的可视化方式2)FPKM、RPKM、TPM标准化后的RNA-seq数据;其中,microarray的rma数据可以利用R包Limma和RankRrod进行差异分析;RNA-seq 的read counts数据可以利用R包Deseq2和edgeR进行差异分析;TPM标准化后的RNA-seq数据可以利用t检验进行差异分析;还有一种情况:无正常样本,而是查看某个基因在多个疾病样本中表达的波动情况,可以利用R语言中的sd函数来计算每个基因在样本中表达值的方差二、差异表达分析可视化常用的两种方法:热图和火山图
R包ggpubr中的ggscatter函数可以绘制简单的火山图:
R包EnhancedVolcano可以标记出上下调基因的名字:
R包ggplot2中的ggplot函数以及R包ggrepel可以标记出感兴趣基因的名字:
标注重要性的基因会使火山图看着更充实,大家可以多用起来~欢迎关注生信人
TCGA | 小工具 | 数据库 |组装| 注释 | 基因家族 | Pvalue
基因预测 |bestorf | sci | NAR | 在线工具 | 生存分析 | 热图
生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos
舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 | 进化 | 测序简史
