仍然是两年前的笔记 1. prepare-reference 如果用RSEM对比对后的bam进行转录本定量,则在比对过程中要确保比对用到的索引是由rsem-prepare-reference产生的. ~/software/rsem/rsem-prepare-reference \ --transcript-to-gene-map ~/project/RNA-seq/ref_cds/gene_transcript.txt \ #作用是在后面的定量结果文件中,添加gene名称, 转录本名称两列,该文

简单使用DESeq2/EdgeR做差异分析 Posted: 五月 07, 2017  Under: Transcriptomics  By Kai  no Comments DESeq2和EdgeR都可用于做基因差异表达分析,主要也是用于RNA-Seq数据,同样也可以处理类似的ChIP-Seq,shRNA以及质谱数据. 这两个都属于R包,其相同点在于都是对count data数据进行处理,都是基于负二项分布模型.因此会发现,用两者处理同一组数据,最后在相同阈值下筛选出的大部分基因都是一样的,但是

这么多工具和基因组版本,选择困难症犯了,到底用哪个好呢? 2018 nature - Developmental diversification of cortical inhibitory interneurons : ENSEMBL release 84 Mus musculus genome 2017 Molecular Cell - Single-Cell Alternative Splicing Analysis with Expedition Reveals Splicing Dyn

使用Trinity拼接以及分析差异表达一个小例子  2017-06-12 09:42:47     293     0     0 Trinity 将测序数据分为许多独立的de Brujin graph,理论上每一个图对应一个表达的基因. 整个流程分为三个步骤:Inchworm, Chrysalis, and Butterfly Inchworm: 从reads中提取所有的重叠k-mers,根据丰度递减的顺序检查每个k-mers,然后将重叠的k-mers延长到不能再延长,称为一个contig C

RNA-seq中的基因表达量计算和表达差异分析 差异分析的步骤:1)比对:2) read count计算:3) read count的归一化:4)差异表达分析: 背景知识:1)比对:普通比对: BWA,SOAP开大GAP比对:Tophat(Bowtie2):2) Read count(多重比对的问题):丢弃平均分配利用Unique region估计并重新分配表达量计算的本质目标基因表达量相对参照系表达量的数值.参照的本质:( 1)假设样本间参照的信号值应该是相同的:( 2)将样本间参照的观测值校

期刊名:Journal of Proteome Research 发表时间:(2019年9月) IF:3.78 单位: 中国科学院大连化学物理研究所 中国科学院大学 大连医科大学第二附属医院 物种:人血浆 技术:用组氨酸修饰的具有可变换表面电荷的亲水性智能材料(组氨酸键合的二氧化硅,HBS)可选择性地从复杂的生物样品中富集唾液酸化的糖肽(SGP)   一. 概述: 糖蛋白的异常唾液酸化与许多恶性疾病密切相关,唾液酸化的分析对于揭示这些疾病的现状具有很大的潜力.然而,深入分析唾液酸化仍然具有挑战性

转载果子学生信  https://mp.weixin.qq.com/s/Ph1O6V5RkxkyrKpVmB5ODA 前面我们从GDC下载了TCGA肿瘤数据库的数据,也能够把GDC下载的多个TCGA文件批量读入R 今天我们讲一下TCGA数据的标准化,以及差异分析,得到了标准化后的数据,我们就可以按照以前的帖子,做一系列操作 Y叔推荐的这个图有毒! 图有毒系列之2 多个基因在多亚组疾病中的展示 在得到了差异分析的结果后,我们可以完成热图,火山图,GO分析,KEGG分析,GSEA分析,就跟这个帖子中

featureCounts真的很厉害. 常见的参数(没什么好说的,毕竟是固定的): -a -o input_file1 -F -t -g -Q -T 关键是以下几个参数怎么设置: -f # Perform read counting at feature level -O # Assign reads to all their overlapping meta-features -M # Multi-mapping reads will also be counted. --primary #

简单使用limma做差异分析 Posted: 五月 12, 2017  Under: Transcriptomics  By Kai  no Comments 首先需要说明的是,limma是一个非常全面的用于分析芯片以及RNA-Seq的差异分析,按照其文章所说: limma is an R/Bioconductor software package that provides an integrated solution for analysing data from gene expressi

简单使用DESeq做差异分析 Posted: 五月 06, 2017  Under: Transcriptomics  By Kai  no Comments DESeq这个R包主要针对count data,其数据来源可以是RNA-Seq或者其他高通量测序数据.类似地,对于CHIP-Seq数据或者质谱肽段数据也是使用的. 由于DESeq是一个R包,因此使用它需要一点点R基础语法. 首先需要读入一个数据框,列代表每个sample,行代表每个gene database_all <- read.tab

零基础照样做RNA-seq差异分析 GCBI知识库2018-08-24 14:43:36 基因表达谱的差异分析是RNA-seq中最常见的应用.你眼中的RNA-seq差异分析或许是酱紫的,对不会编程,不懂统计,纯正生物学出生的人, 内心简直SOS…… 但有些人眼中的RNA-seq差异分析却是这样的,借助云平台和图形化界面,生信零基础同样可以做RNA-seq差异分析. 小编也是第一次尝试,一起来看看云平台如何拯救你我于水火之中.RNA测序原始数据太大,就直接用了demo数据. 平台用的是GCBI(w

cuffquant 定量的过程中,当所有基因或者转录本的表达量都为0时,定量的结果就回全部是-nan  , 而不是0: 出现这种情况有两种原因: 1) 参考基因组搞错了,比对和定量的不是同一个参考基因组,或者gtf 文件和fasta 文件中染色体标识符对应不上,最常见的情况就是,一个以chr开头,一个不带chr; 2) 确实是0,就是说比对灭有问题,就是没有比对上基因区间:当然这种概率非常小,如果遇到,只能说是小确幸: 值得高兴的是,今天我就遇到了这种情况,同一批样本,其中一个样本基因的表达量全

发表时间:(2019年4月) IF:3.95 单位: 维也纳医科大学: 欧洲生物信息研究所(EMBL-EBI): 分子病理学研究所: 奥地利科学院分子生物技术研究所: Gregor Mendel分子植物生物学研究所. 对象:质谱无标记定量结果 技术:聚类分析 一. 概述:(用精炼的语言描述文章的整体思路及结果) 本文选择四个不同的数据集,分为基于谱图数计数和基于峰值强度计数的无标记定量两种情况,对谱图进行聚类算法分析,提高了低丰度蛋白的可检测性,并开发了可直接使用的聚类方法的PD节点. 二. 研

期刊名:Mol Cell Proteomics 发表时间:(2019年4月) IF:5.232   概述 20S蛋白酶体是一种多亚基蛋白质复合物,参与许多组织细胞生命活动过程.本研究基于SILAC标记的蛋白酶体的MRM技术,以监测人体不同组织细胞中20S蛋白酶体亚型的绝对表达量.并将这种高准确性的SILAC标记的多重LC-选择反应监测(SRM)定量质谱分析方法,应用于对不同培养条件下体外扩增脂肪来源间充质干细胞(ADSCs)中的20S蛋白酶体表达量的监测,结果发现IFNγ刺激或20%常氧环境培养

关键词:PRM,kinase,colorectal cancer, metastasis, PRPS2 来自加州大学河滨分校的Yinsheng Wang教授应用PRM技术筛选出介导结肠癌细胞转移促进因子-PRPS2激酶.这项研究于2019年3月25日发表于蛋白组学主流期刊Journal of Proteome Research(原文链接:https://pubs.acs.org.ccindex.cn/doi/10.1021/acs.jproteome.9b00119). 背景 结肠癌(CRC)是

文献名:Quantitative mass spectrometry to interrogate proteomic heterogeneity in metastatic lung adenocarcinoma and validate a novel somatic mutation CDK12-G879V(利用定量质谱技术探究转移性肺腺瘤的蛋白质组异质性及验证新体细胞突变CDK12-G879V) 期刊名:Mol Cell Proteomics 发表时间:(2019年4月) IF:5.23

大家好,本周分享的是发表在MCP上的一篇关于鸟枪蛋白质组学中的错误率的文章,题目是Integrated identification and quantification error probabilities for shotgun proteomics,作者是瑞典皇家理工学院的Matthew The 和Lukas Kall. 鸟枪法蛋白质组学中蛋白的无标定量存在诸多误差.蛋白的鉴定就是其中的一个来源.然而人们经常忽略某些错误源,且在后续步骤中认为过滤得到的列表是完全正确的,这两个错误的累加很

散点图 数据点在直角坐标系平面上的分布图.在宏基因组领域,散点图常用于展示样品组间的Beta多样性,常用的分析方法有主成分分析(PCA),主坐标轴分析(PCoA/MDS)和限制条件的主坐标轴分析(CPCoA/CCA/RDA).   Beta多样性 Beat多样性是生态学概念,专指不同组或生态位间物种组成的差异.   分析方法 在读文章中经常可以看到PCA分析.PCoA分析,NMDS分析,CCA分析,RDA分析.它们在本质上是排序(ordination)分析.排序的过程就是在一个可视化的低维空间(

期刊名:Molecular & Cellular Proteomics 发表时间:(2019年12月) IF:4.828 单位:1德国海德堡大学附属医院2德国汉诺威医科大学3德国亥姆霍茲感染研究中心4德国马克斯·普朗克生化研究所5瑞典于默奥大学6葡萄牙波尔图大学7德国&柏林健康研究所 8法国里昂大学 物种:人 技术:非标定量蛋白质组学,免疫共沉淀,病毒化验 一. 概述: 该研究使用免疫共沉淀-非标定量蛋白质组学的方法发现了高尔基转运相关蛋白GBF1与乌库涅米病毒(UUKV)的感染有关.通过

RPKM:Reads Per Kilobases Per Million Reads指的是每1百万个reads中比对到每1kb碱基外显子上的reads数 FPKM:Fragments Per Kilobase Per Million reads 当reads来自PE测序数据时使用FPKM TPM: RSEM TCGA数据库中的RNA-seq数据