情景教學—差異表達基因篩選123

眾所周知，差異表達基因篩選是轉錄組測序分析的核心基礎。通常測序公司完成的標準分析只包含了有限的樣品組合和參數選擇，完全不能滿足數據深度挖掘的需求?；诖?，百邁客云平臺急您之所急，開發(fā)了功能強大且操作簡單的差異表達基因篩選分析功能。

情景一：自定義篩選兩組樣品間的差異表達基因

新增差異分組，調整FC(Fold Change)及FDR(False Discovery Rate，錯誤發(fā)現(xiàn)率)篩選差異表達顯著的基因。

操作步驟：
登錄百邁客云(www.biocloud.net)——我的項目——進入相應項目【報告】——差異基因挖掘——差異表達基因集查詢——添加差異分組、自定義軟件、自定義參數（FDR(或者p-value)、FC、添加對照組及實驗組）——【添加】——【確定】。

是的，就是如此簡單，so easy~~

差異基因挖掘中提供了兩個軟件：DESeq1_EBSeq和DESeq2_EBSeq，DESeq和EBSeq分別用于有生物學、無生物學重復分析。另外，DESeq2[1]是DESeq的升級版，DESeq2在DESeq基礎上升級成“shrinkage estimation”算法計算基因的count值，從而得到更準確差異基因結果。在這里，小編給予的參數選擇為DESeq2_EBSeq。

情景二：篩選特定差異分組中只上調或只下調差異表達基因

單獨分析只上調或只下調的基因，并繪制GO分類圖、COG分類圖、表達量聚類熱圖、GO和KEGG富集圖等，闡明關鍵基因作用機理。

操作步驟：
登錄百邁客云(www.biocloud.net)——進入相應項目【報告】——差異基因挖掘—差異表達基因集查詢——點擊相應差異分組并選擇“只上調/只下調”，最后點擊“提交”。

依然是so easy~~

情景三：差異表達基因集維恩圖

篩選不同組合間共有及特異表達基因集合，通過GO分類、KEGG通路等分析解析其特異或共有性狀，闡明不同組合間異同的作用機理。

操作步驟：
登錄百邁客云(www.biocloud.net)——進入相應項目【報告】——差異基因挖掘——差異表達基因集維恩圖，選擇差異分組后點擊“提交”。當然，也可以針對只上調或者只下調的基因繪制維恩圖。

easy、easy、so easy~~

通過差異表達基因篩選分析123，鑒定到關鍵基因后，可進一步使用百邁客云進行GO分類分析、 KEGG富集分析等分析(想要復習具體方法戳這里噢~~)并一鍵繪制美圖，從而闡明不同組合間異同的作用機理。