RNA | 您所在的位置:网站首页 › rna-seq结果分析 › RNA |
学习目标
了解设置重复对于
RNA-seq 分析的重要性
了解生物重复次数、测序深度和鉴定到的差异表达基因之间的关系
了解如何设计
RNA-seq 实验,以避免批次效应
1. 注意事项
了解 RNA 提取和 RNA-seq 文库制备实验过程中的步骤,有助于设计 RNA-seq 实验,但有一些特殊的注意事项需要明确: 重复次数和类型 避免混淆 处理批次效应 2. 重复实验重复可以通过技术重复或生物学重复来实现,如下图: ![]() 使用相同的生物样本重复实验步骤,以准确测量技术差异并在分析过程中将其去除。 生物学重复使用相同条件下的不同生物样本来衡量样本间的差异。 在微阵列时代,技术重复被认为是必要的;然而,当前的 RNA-seq 技术,技术差异远低于生物差异,因此不需要技术重复。相反,生物重复对于差异表达分析是绝对必要的。 对于差异表达分析,生物学重复越多,对生物学变异的估计就越好,我们对平均表达水平的估计也就越精确。因此,数据可以进行更准确的建模并识别更多差异表达的基因。 ![]() 如上图所示,生物重复比测序深度更重要,测序深度是每个样本测序的读数总数。该图显示了测序深度和重复次数对鉴定出的差异表达基因数的关系。与增加测序深度相比,重复次数的增加往往会得到更多的差异表达基因。因此,通常更多的重复比更高的测序深度更好,但需要注意的是,检测低表达的差异表达基因和执行异构体水平(可变剪切)的差异表达分析需要更高的深度。 下面列出了一些关于重复和测序深度的建议,用于实验规划: 通用建议: ENCODE 建议每个样本有 3000 万个 SE reads。 如果有大量的重复 (>3),每个样本 1500 万次 reads 通常就足够了。 如果可能,进行更多的生物重复。 通常建议读取长度 >= 50 bp含有低表达基因: 同样,重复比测序深度更有作用。 深度更深,至少有 30-60 百万 reads ,具体取决于表达水平。异构体水平的差异表达: 新亚型的深度应该更大(每个样本 > 6000 万 reads)。 对 RNA 质量进行质控。其他类型的 RNA 分析(内含子保留、small RNA-Seq 等): 取绝于具体的分析 ★总之,尽量做生物学重复。 ” 3. ConfoundConfounding 是指:无法区分结果是由什么原因导致的。 例如,我们知道性别对基因表达有很大影响,如果我们所有的对照组小鼠都是雌性而所有处理组小鼠都是雄性,那么我们的治疗效果就会被性别混淆。我们无法区分是处理的作用和性别的作用。 ![]() ![]() 批次效应是 RNA-seq 分析的一个重要问题,仅由批次效应就能导致显著的表达差异。 ![]() 如果任何一个答案是“否”,那么就存在批次效应。 5. 建议 如果可能,以避免分批的方式设计实验。 如果无法避免分批: 不要按批次混淆实验:![]() ![]() ![]() 欢迎Star -> Github 学习目录( 学习目录( |
CopyRight 2018-2019 实验室设备网 版权所有 |