Process / pipelineBioinformatics / omics
RNA-seq差异表达 — 转录组差异表达分析
RNA-seq差异表达（DE）分析旨在识别在两种或多种生物学条件（例如，处理组与对照组，或患病组织与健康组织）之间转录本丰度存在显著差异的基因。从原始测序读段开始，分析流程包括比对、基于计数的归一化、计数离散度的统计建模、假设检验以及多重检验校正，最终生成一份按差异表达程度排序的基因列表，并附带倍数变化估计值和校正后的p值。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
另有 50 项
来源
- Love, M. I., Huber, W., & Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(12), 550. DOI: 10.1186/s13059-014-0550-8 ↗
- Robinson, M. D., McCarthy, D. J., & Smyth, G. K. (2010). edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics, 26(1), 139–140. DOI: 10.1093/bioinformatics/btp616 ↗
如何引用本页
ScholarGate. (2026, June 3). RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/zh/bioinformatics/rna-seq-differential-expression
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- ChIP-seq Peak Calling生物信息学↔ 比较
- 基因集富集分析 (GSEA)生物信息学↔ 比较
- 通路富集分析生物信息学↔ 比较
- 序列比对生物信息学↔ 比较
- Single-cell RNA-seq analysis生物信息学↔ 比较
- 变异检测生物信息学↔ 比较
被引用于
贝叶斯eQTL分析贝叶斯基因集富集分析贝叶斯代谢组学分析贝叶斯蛋白质组学分析贝叶斯 RNA-seq 差异表达贝叶斯序列比对贝叶斯变异检测ChIP-seq Peak Calling拷贝数变异分析差异ChIP-seq峰值识别差异性表观基因组关联研究差异性 eQTL 分析差异代谢组学分析差异通路富集分析单细胞RNA测序（scRNA-seq）的差异分析鉴别性变异调用eQTL分析基因集富集分析 (GSEA)全基因组关联研究 (GWAS)机器学习辅助的ChIP-seq峰值识别机器学习辅助的 eQTL 分析机器学习辅助基因集富集分析机器学习辅助的微生物组多样性分析机器学习辅助RNA测序差异表达分析机器学习辅助的单细胞RNA测序分析代谢组学分析多组学eQTL分析多组学基因集富集分析多组学代谢组学分析多组学蛋白质组学分析多组学单细胞RNA测序分析网络表观基因组关联研究 (Network EWAS)网络驱动的 eQTL 分析基于网络的基因集富集分析基于网络的微生物组多样性分析基于网络的RNA测序差异表达分析基于网络的单细胞RNA测序分析基于网络的变异检测通路富集分析系统发育分析蛋白质组学分析序列比对单细胞 eQTL 分析单细胞基因集富集分析单细胞全基因组关联分析 (Single-cell GWAS)Single-cell RNA-seq analysis单细胞RNA测序差异表达分析单细胞序列比对时间序列ChIP-seq峰值调用时间序列拷贝数变异分析时间序列全表观基因组关联研究时间序列基因集富集分析时间序列微生物组多样性分析时间序列通路富集分析时间序列系统发育分析时间序列蛋白质组学分析时间序列 RNA-seq 差异表达单细胞时间序列RNA测序分析时间序列变异致病性分析变异检测