无生物学重复RNA-seq原始数据预处理

Posted 2023-03-22

参考技术A tmux new -s fastqc

-q：表示quiet，安静运行，最后生成报告

-t：表示线程，可以提高计算速度

-o：表示输出结果目录

运行结束会得到fastqc报告，

绿色表示通过检测，黄色警告，红色表示不通过，需要进一步处理原始reads。一般情况下，我们比较关注GC含量，Q20和Q30的比例以及是否存在接头（adaptor）、index以及其他物种序列的污染等。

trim galore命令

--illumina：表示illumina接头

--fastqc：去完接头后进行fastqc质控

--paired：表示双端测序

-o：表示输出结果目录

输出结果：

生成的_val_fastq.gz文件是原始文件去完接头后得到的文件。通过网页打开质控文件，看看是否去接头成功。

RPKM=count/(length*文库大小）

file1 = "ck.csv" raw_data_ck <- read.csv(file1, stringsAsFactors=FALSE)
file2 = "VI.csv" raw_data_vi <- read.csv(file2, stringsAsFactors=FALSE)

RNA-seq数据的基因共表达网络分析

参考技术A

生物网络可以包含不同的数据类型，用点（node）和边（edge）区分。常见的网络类型：

看图说话： 某个细胞受到刺激1，也许它的A通路就会上调表达，B通路下调，结果可能比刺激前还要理想；

受到另一种刺激2后，A通路下调，B通路上调，那么可能就比较糟糕

通过共表达网络，就可以探索A、B通路是如何被调控的，以及背后基因的相互关系；另外，互作的基因一般都参与同样的生物途径

一般来讲，探索基因表达数据的 标准流程 是这样：

但是有个 弊端 ，它只能两两比较（如：感染与未感染），然后得到的结果也只是知道哪些上调哪些下调，是一个宏观的结论

使用Co-expression network 共表达网络 可以分析多个处理的基因表达数据（例如：不同时间段处理），还能推断未知基因产物的功能、检测sub-groups

利用网络进行推断：可以使用表达量数据、已知的转录因子、ChIP-ChIP或ChIP-seq、时间序列等，因为网络是有向、交叉 的，所以可以判断许多的关系信息

说到网络，就要看一下 有向和无向网络：

构建共表达网络的关键步骤：

对于多个分组信息，需要生成几组两两组合的差异比较矩阵（取决于表型数据中的因子信息）；并且方差不显著的基因就要去除

这里需要了解的有 quantile normalization 、 voom