大神任务总结：转录组分析的四个层面

首先感谢Jimmy在我孤独的入门职业生涯中给了我很多无私的指导和帮助！

昨天接到一个大师的任务，总结一下转录组分析的四个维度。 最近只是想理清转录组分析的知识点，以便更好地理解RNA-Seq数据的分析结果和方法原理，所以就利用了周末。 我有一些空闲时间阅读文献并整理知识点。

文献简介：本文和RNA-seq数据：从四个层面详细介绍了转录组分析的统计计算模型和方法，

如下：

1. 样品 2. 基因 3. 转录本 4. 外显子

如果你对文学感兴趣，可以自己搜索一下。 我们不提供pdf下载渠道。 全文的精华在下图，虽然看起来是浓浓的PPT风格：

转录组分析的四个级别

1.样本级别（相似性分析）

常用方法：

这个分析很容易理解。 相关分析后将相关系数矩阵热图可视化是常用的方法之一。 其实也可以是PCA图、层次聚类图等。

2.基因水平（基因表达差异分析）

全基因组表达差异分析（芯片只能检测已知基因） 三种常见的基因表达标准化方法（去除测序深度和基因长度对差异分析的影响） 基于基因的两类标准化策略：使用未分化基因或管家基因 在不同样本之间进行归一化基因共表达网络分析

当然，很多时候实验设计很复杂，比如昨天技能树分享的：不同时间点不同药物浓度不同细胞系的转录表达（数据分析免费）

3. 转录水平（转录重建和量化）

两种主要分析方法： mRNA-Seq（编码RNA的转录组水平测序）

转录水平RNA-Seq分析方法

4. 外显子水平

总结

通过阅读这篇文献综述，我可以系统地了解转录组分析四个层面的基础知识点以及统计算法的概念和知识点。 算法模型涉及到统计知识，理解起来有点困难。 我想以后会用到。 下面我们就来一一了解一下。 现在我们就来熟悉一下RNA-Seq数据分析软件的使用，并在使用的同时学习和积累相关的统计知识。

最后，我要感谢吉米分享文献并监督本研究。 我还有很多不明白的地方，需要继续努力学习。