生物信息学导论-北大-RNA-Seq数据分析

ref: https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home

本文主要来自本课的讲义+搜索内容。

已不再上课,所以本文只是笔记,恕不能提供讨论与答疑。


junction reads

对转录本进行测序后,将所得reads,map到基因组时,有些reads可能来自"跨越两个不同的基因或exon"的连接区域(可能由于基因剪接事件),导致与基因组只能部分匹配。这些reads就是junction reads。通过分析它们,可以了解基因的剪接变异和不同转录本的生成情况(detect novel splicing isoform),这对理解基因表达调控和功能注释非常重要。

处理方法

  1. join exon策略
    1. 为已知的转录本建立CJL(conceptual junctions library),存放已知的剪接异构体
    2. 将reads同时map到基因组和CJL中,如果可以无剪接地匹配到基因组,说明不是junction reads,否则去匹配CJL
    3. 优点:快速、能识别新的剪接异构体
    4. 缺点:不能发现新的外显子和新基因
  2. split reads策略
    1. 与join exon的区别在于,对于map不到基因组的reads,先按类似滑窗的方式切成若干k-mer seeds,然后拿seeds再去map基因组,最后把map上的seeds合起来
    2. 优点:能识别新的剪接异构体,能发现新的外显子和新基因
    3. 缺点:比join exon要慢

可用工具

  • TopHat

  • Cufflinks

  • Cuffmerge

  • Cuffdiff

    • 计算两个或多个样本的表达水平,并且计算每个变化的统计显著性
    • 重要参数:-u
  • CummeRbund

    • 方便分析Cufflinks结果的R包,可以绘图
    r 复制代码
    > source('http://www.bioconductor.org/biocLite.R')
    > biocLite('cummeRbund')
    • 常用命令:
    r 复制代码
    > csDensity(genes(cuff_data))
    > csScatter(genes(cuff_data), 'C1', 'C2')
    > csVolcano(genes(cuff_data), 'C1', 'C2')
    > expressionBarplot(mygene)
    > expressionBarplot(isoforms(mygene))
相关推荐
蓝婷儿2 小时前
Python 数据分析与可视化 Day 14 - 建模复盘 + 多模型评估对比(逻辑回归 vs 决策树)
python·数据分析·逻辑回归
好开心啊没烦恼4 小时前
Python:线性代数,向量内积谐音记忆。
开发语言·python·线性代数·数据挖掘·数据分析
过期的秋刀鱼!4 小时前
用“做饭”理解数据分析流程(Excel三件套实战)
数据挖掘·数据分析·excel·powerbi·数据分析入门
大数据CLUB7 小时前
基于spark的航班价格分析预测及可视化
大数据·hadoop·分布式·数据分析·spark·数据可视化
程序员阿超的博客8 小时前
Python 数据分析与机器学习入门 (八):用 Scikit-Learn 跑通第一个机器学习模型
python·机器学习·数据分析·scikit-learn·入门教程·python教程
蓝婷儿10 天前
Python 数据分析与可视化 Day 2 - 数据清洗基础
开发语言·python·数据分析
蓝婷儿10 天前
Python 数据分析与可视化 Day 5 - 数据可视化入门(Matplotlib & Seaborn)
python·信息可视化·数据分析
大数据CLUB10 天前
基于pyspark的北京历史天气数据分析及可视化_离线
大数据·hadoop·数据挖掘·数据分析·spark
深空数字孪生10 天前
金融行业B端系统布局实战:风险管控与数据可视化的定制方案
信息可视化·金融·数据分析