Skip to content

基因體學 › 分析流程 › RNA-seq

RNA-seq 分析 (Bulk RNA-seq Analysis) ​

從原始 FASTQ 到差異表現與功能富集的 bulk RNA-seq 教學:每一步做什麼、為什麼、怎麼檢查結果。工具選擇與參數參考一套實際使用的 RNA-seq pipeline,但教學本身以 Bash / R / Python 分段呈現,不依賴工作流引擎。單細胞見 單細胞 RNA-seq。

建議順序 ​

章內容回答的問題
01 概觀bulk vs 單細胞、表現量層級、library 類型、重複、count matrixRNA-seq 能回答什麼?
02 FASTQ QC完整性檢查、FastQC / MultiQC、fastp 修剪原始資料能用嗎?要不要修剪?
03 比對參考版本、STAR / HISAT2、BAM 處理、比對 QCreads 對到哪裡?比對品質如何?
04 定量Salmon / kallisto、featureCounts、tximport怎麼得到每個基因的 counts?
05 標準化metadata 對齊、低表現過濾、CPM / TPM / TMM / median-of-ratios樣本間怎麼比較?
06 EDA 與設計PCA / 相關熱圖、設計矩陣、負二項模型樣本結構合理嗎?模型怎麼設?
07 差異表現edgeR、DESeq2、limma-voom 與比較哪些基因表現改變?
08 對比與視覺化對比方向、交互作用、FDR、MA / volcano / heatmap結果怎麼解讀與呈現?
09 富集分析ID 轉換、ORA、GSEA(clusterProfiler)這些基因代表哪些生物過程?
10 可重現性環境、版本、常見錯誤排除結果能被重現嗎?出錯怎麼查?

資料夾內容 ​

text
rna-seq/
├── README.md、01–10 章
├── data/      # 模擬的 count matrix、metadata、DE 與富集結果
├── scripts/   # Bash(QC、修剪、比對、定量)、R(edgeR、DESeq2、limma-voom、tximport、富集)、Python(模擬資料與圖)
└── src/       # 各章的圖

data/ 與 src/ 的資料和圖由 scripts/simulate_rnaseq_demo.py 產生,只用來示範流程,不代表真實生物學發現。

bash
# 在 notebook 根目錄執行;需要 numpy、pandas、matplotlib
python biology/genomics/workflows/rna-seq/scripts/simulate_rnaseq_demo.py \
  --outdir biology/genomics/workflows/rna-seq

驗證狀態 ​

項目狀態
simulate_rnaseq_demo.py實跑;固定 seed 可重現相同資料
metadata_design_checks.R、edger_workflow.R、deseq2_workflow.R、limma_voom_workflow.R以 R 4.6.1 / Bioconductor 3.23 在模擬資料上實跑
09 章的 clusterProfiler 程式碼以 airway 真實資料實跑(模擬資料的基因名無法對應真實基因)
tximport_to_gene.R、所有 Bash 腳本未實跑:需要 Salmon 輸出、FASTQ、參考基因組與 STAR / HISAT2 / fastp 等工具;參數已對照官方文件

相關統計:GLM 計數模型、多重檢定、PCA、批次效應。