rnaseq数据分析是什么指标rnaseq数据分析流程简书

rnaseq数据分析是什么指标 rnaseq数据分析流程简书

RNA-seq数据分析的指标主要包括以下几个方面：

基因表达量（Gene Expression Level）：通过计算每个基因在样本中的相对表达量，可以了解不同基因在样本中的重要性和功能。常用的表达量指标有FPKM（Fragments Per Kilobase of transcript per Million mapped reads）、TPM（Transcripts Per Million）等。

基因差异表达（Differentially Expressed Genes）：通过比较不同样本或处理条件下的基因表达量，可以找出表达量显著变化的基因。常用的差异表达分析方法有DESeq2、limma等。

基因共表达网络（Coexpression Network）：通过分析基因之间的共表达关系，可以揭示基因的功能和调控机制。常用的共表达分析方法有WGCNA（Weighted Gene Coexpression Network Analysis）等。

基因通路富集分析（Pathway Enrichment Analysis）：通过分析基因表达数据与已知生物过程或分子通路的关系，可以了解基因在特定生物学过程中的作用。常用的通路富集分析方法有GSEA（Gene Set Enrichment Analysis）等。

基因聚类分析（Clustering Analysis）：通过将基因按照其表达特征进行分组，可以揭示基因的功能和组织特异性。常用的聚类分析方法有PCA（Principal Component Analysis）等。

基因相关性分析（Correlation Analysis）：通过计算基因之间的相关性，可以了解基因间的相互作用和调控关系。常用的相关性分析方法有Pearson相关系数、Spearman相关系数等。

基因表达谱相似性分析（Expression Profile Similarity Analysis）：通过比较不同样本或处理条件下的基因表达谱，可以评估样本之间的相似性和差异性。常用的表达谱相似性分析方法有Bhattacharyya距离等。