1、RNA-Seq即对转录组进行测序和分析。一般来说在研究所会委托公司测序得到数据自己进行后续的生信分析（质控，mapping，差异基因表达分析，SNV分析等）。RNA-Seq有着巨大的应用前景。
1、在利用RNA-seq数据比较分析两个样品中同一个基因是否存在差异表达的时候，一般选取两个标准：i）FoldChange FoldChange，很容易理解了。就是两样品中同一个基因表达水平的变化倍数。
2、阈值设定一般为： |log2(FoldChange)| 1 且 qvalue 0.005。对于有生物学重复的实验，由于DESeq已经进行了生物学变异的消除，我们对差异基因筛选的标准一般为： padj 0.05。
3、这部分内容最先在 RNA-Seq Data Analysis 的3节看到，刚开始一点都不理解，但是学完生物统计之后，我认为这是理解所有差异基因表达分析R包的关键。
RNA-seq即 转录组测序 技术，就是用 高通量测序 技术进行测序分析，反映出mRNA，smallRNA，noncodingRNA等或者其中一些的表达水平。RNA测序最经常用于分析差异表达基因（DEG）。
RNA-seq即转录组测序技术，就是把mRNA，smallRNA，and NONcoding RNA等或者其中一些用高通量测序技术把它们的序列测出来。反映出它们的表达水平。
RNA-Seq（RNA sequencing），也称为全转录组测序，是一种利用深度测序技术来研究样本的RNA组成的技术。
首先打开NCBI中Gene选项，输入BCL2后，点击search。其次寻找基因DNA序列，如图所示，可以看到基因在染色体定位。
rnaseq这么找通路：KEGG：KyotoEncyclopediaofGenesandGenomes(KEGG)是一种面向整个基因组的路径数据库，包括有关代谢和细胞过程的通路。
在 scRNA-seq 之前，转录组分析是使用 Bulk RNA-seq ，这是一种直接比较 细胞表达平均值的 方法。
1、对这些RNA进行测序，理想情况下，是直接检测，但是不现实，只有通过碱基互补配对的合成过程，才能知道原来样品中模板的序列，但是这个合成的长度是有限制的，所以只能先把这些RNA切割成小片段，再检测这些小片段的序列。
2、有时会出现两个接头连在一起的情况，也需要去掉。
3、在RNA-Seq的分析中，对基因或转录本的read counts数目进行标准化（normalization）是一个极其重要的步骤，因为落在一个基因区域内的read counts数目取决于基因长度和测序深度。
RNA-seq分析追求3个目标：准确、廉价和节约时间，这也是生物信息软件的目标！下面来看看这些工具：一 Alignment RNA-seq的reads mapping要考虑剪切比对，用到了tophatstar和Hisat2，这3个目前使用最频繁的比对工具。
RNA-seq即转录组测序技术，就是用高通量测序技术进行测序分析，反映出mRNA，smallRNA，noncodingRNA等或者其中一些的表达水平。
RNA-seq数据分析是一个复杂的过程，主要分为以下步骤：数据质量控制：检查原始测序数据的质量，去除低质量的读段（reads）。序列比对：将质量控制后的读段与参考基因组或转录本数据库比对，以确定它们的位置。