RNA-seq | scRNA-seq | fancy分析工具

 

2023年05月31日

带小弟学习RNA-seq，以前自己的流程过于实用简单，缺乏了严谨性，现在正规的从头来一遍。

参考：

• RNA-seq入门实战（零）：RNA-seq流程前的准备——Linux与R的环境创建
• RNA-seq入门实战（一）：上游数据下载、格式转化和质控清洗
• RNA-seq入门实战（二）：上游数据的比对计数——Hisat2+ featureCounts 与 Salmon
• RNA-seq入门实战（三）：在R里面整理表达量counts矩阵
• RNA-seq入门实战（四）：差异分析前的准备——数据检查
• RNA-seq入门实战（五）：差异分析——DESeq2 edgeR limma的使用与比较
• RNA-seq入门实战（六）：GO、KEGG富集分析与enrichplot超全可视化攻略
• RNA-seq入门实战（七）：GSEA——基因集富集分析
• RNA-seq入门实战（八）：GSVA——基因集变异分析
• RNA-seq入门实战（九）：PPI蛋白互作网络构建（上）——STRING数据库的使用
• RNA-seq入门实战（十）：PPI蛋白互作网络构建（下）——Cytoscape软件的使用
• RNA-seq入门实战（十一）：WGCNA加权基因共表达网络分析——关联基因模块与表型

 

 

 

---

 

想要拔高生信paper level的必备分析

没有吃透这些工具，那作为生信人是不合格的！

类似打球的肌肉记忆，生信分析也需要“肌肉记忆”，这就是对各种工具的熟练掌握，这样才能把精力放在重要问题的思考和推理上。

收集总结各种精华工具，做好代码测试和工具测评，有条件可以封装代码形成自己的函数，下次使用时即可一行代码调用，形成自己的“肌肉记忆”。

 

这里只作目录收集总览，具体测试代码会开单独的技术型文章，深入细节。 

 

ORA

普通的基因集富集，不想多说，必做。

 

GSEA

教程：Gene Set Enrichment Analysis (GSEA) User Guide - 官方

我之前的文章：

GSEA - Gene set enrichment analysis 基因集富集 | ORA - Over-Representation Analysis 分析原理与应用 

之前做GSEA分析都是用的clusterProfiler，它会使用现成的工具如fgsea，但这些工具已经过时太久了，现在有个GSEABase，可以替代。

新开一篇测试细节文章：GSEABase做富集分析

 

关于MSigDB的介绍 - MSigDB:GSEA提供的基因集数据库

 

变种

• DGSEA
• ssGSEA （单样本escape整合）

 

TF

必不可少，调控的核心。

主要工具：

• SCENIC
• 手动TF target分析
• Cistrome

 

PPI

蛋白互作，跟调控擦边了，不局限与TF。

主要工具：

• GENEMANIA
• STRING

参考：cytoscape的十大插件之六-GENEMANIA

 

WGCNA

基因模块分析，数据特异性的结果

 

CCI

细胞通讯，细胞层面的调控。

主要工具：

• CytoTalk
• CellChat

参考：

Sci Adv｜谭凯/高琳团队合作开发细胞间通讯分析新算法，从头构建细胞类型特异性信号转导网络 

 

inferCNV

重点应用在肿瘤癌症领域

 

 

待测试：

• GenePattern
• GSVA

---

 

统计

什么情况该用什么统计检验？

 

什么，你算出的P-value看上去像齐天大圣变的庙？

总被审稿人提起的多重假设检验校正是什么？

 

 

---

 

benchmark

A multicenter study benchmarking single-cell RNA sequencing technologies using reference samples - NBT - 2020