Counts值
对给定的基因组参考区域，计算比对上的read数，又称为raw count（RC）。
计数结果的差异的影响因素：落在参考区域上下限的read是否需要被统计，按照什么样的标准进行统计。
- RNA-Seq的数据，目前普遍是使用counts数据进行差异分析，但是counts数据进行差异分析就要对counts数据进行标准化。
- 目前生信公司普遍使用DESeq、DESeq2和edger等R包，以counts数据作为输入进行差异分析，其程序内部会对counts数据进行数据标准化。
短读长与长读长RNA-seq平台
image.png
RNA-Seq主要有三个步骤，分别是第一：建库；第二，测序；第三，数据分析
上游分析的基本流程
image.png
转录组数据分析准备工作
# 创建名为rna的小环境
conda create
-n rna python=3
# 激活小环境
conda activate rna
# 安装软件
conda install
-y sra
-tools
# 批量安装
conda install
-y sra
-tools fastqc hisat2
trim
-galore subread multiqc samtools
salmon
# 退出小环境
conda deactivate
示例数据集：GSE52778
1、先登录界面找到这个数据集所在位置：
https://www.ncbi.nlm.nih.gov//geo/query/acc.cgi?acc=GSE52778
2、点击SRA Run selector
image.png
3、点击Accession List:会出来一个txt文件，列表和下方表格是一样的
image.png
image.png
补充知识点：
Short Read Archive（SRA）(http://www.ncbi.nlm.nih.gov/sra)是NCBI
提供的数据存储服务，储存海量的公开的高通量测序数据。
• NCBI BioProject：PRJN ****（例如：PRJNA229998）包含单一研
究计划的总体描述；项目通常涉及多个样本和数据集。
• NCBI BioSample：SAMN ****和/或SRS ****（例如：
SAMN02422669）描述生物来源材料；每个物理上独特的标本应注
册为具有一组独特属性的单个BioSample。
• SRA实验：SRX ****是特定样品的独特测序文库（SRX384345）
• SRA Run：SRR ****或ERR ****（例如：SRR1039508）是链接到给
定测序库（实验）的数据文件的清单。
🤭我们需要把SRA文件转换为Fastq文件才能进行后续的分析
SRA
NCBI有专门针对SRA数据的工具包，就是箭头所指的SRA Toolkit，可以下载SRA文件
还有一种下载方式就是从ENA下载：
ENA:https://www.ebi.ac.uk/ena/browser/home
image.png
image.png
image.png
第3种下载方式：SRA Explorer
网址：https://sra-explorer.info/
image.png
image.png
image.png
点击SRR1039508之后会自动跳转NCBI SRA的网页
image.png
image.png
image.png
image.png
下载方式不推荐从NCBI的SRA下载，更推荐用ENA或者是SRA Explorer
###############################分割线###############################
image.png
上游分析就是从SRA开始，然后用fastq-dump转换成fastq文件，然后对fastq文件进行过滤，去掉低质量的reads，以及接头，然后获得clean reads，然后再把clean reads比对（mapping:比对）回参考基因组，比对完成之后，会得到sam，把sam文件转换成bam文件再对bam文件进行计数，也就是counts，就会得到基因的表达矩阵，然后读入R就可以做下游分析了。
创建工作目录
后面就可以直接用代码进行分析了
小贴士：prefetch命令下载数据是非常慢的，所以推荐用Aspera下载，它的下载速度最高可以达到好几百MB/s，但是因为这个速度非常快，如果用云服务器可能会被官方强制下线。。所以可以用自己的实体服务器来下载
运行命令是：ascp
常用参数
注意
Fastq格式：测序得到的是带有质量值的碱基序列(fastq格式)
有4行
每行的意思
质量评估软件：FastQC软件
FastQC软件可以对fastq格式的原始数据进行质量统计，评估测序结果，为
下一步修剪过滤提供参考。
FastQC主页：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/
image.png
image.png
FastQC实际运行命令
-
对单个FastQ文件进行质量评估：
image.png
-
批处理，对所有FastQ文件进行质量评估：
image.png
测序数据的质量评估结果
image.png
image.png
image.png
使用MultiQC整合FastQC质量评估结果
MultiQC官网：https://multiqc.info/
image.png
MultiQC的主要参数：
--help # 打印MultiQC的帮助信息
-o / --outdir # 指定输出文件夹。
image.png
- 然后在Xshell中就可以点击xftp下载这两个文件到本地查看
原始数据的修剪/过滤
过滤标准：
• 去除碱基质量值低于20的reads
• 去除N比例高于百分之5的reads
• 去除Index或接头
• 去除一些reads的head或tail
数据过滤的软件：cutadapter，trimmomatic，
trim_galore，fastp
质量控制的重要性：https://www.jianshu.com/p/7a3de6b8e503
FastQ质量控制推荐两个网站：
1、trim_galore官网：http://www.bioinformatics.babraham.ac.uk/projects/trim_galore/
image.png
先用命令下载trim_galore然后使用--help查看帮助文档
image.png
image.png
2、fastp
image.png
image.png
image.png
trim_galore的转录组结题报告
网友评论