外觀
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 matrix | RNA-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 QC | reads 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 |