如何有效分析RNA-seq的结果?

可运用转录水平分析

RNA-seq数据的一个重要用途是基于短RNA-seq读数恢复全长mRNA转录物结构和表达水平。目前有许多计算工具同时执行转录重建和量化。

1、基于似然法的分析方法。第一种类型的转录物定量方法通过基于统计模型最大化可能性或后验来估计转录物丰度。这些方法是灵活的，并且可以容易地修改以将先前的生物信息结合到后部以提高量化准确性。统计模型进一步分为三类：基于区域的，基于读的和基于片段的模型。
如Alpine专门设计用于调整同种型定量中的多种测序偏差来源，它考虑了在每个同种型中的所有可能位置处长度在片段长度分布中间的所有潜在片段。还有Cufflinks, eXpress, RSEM, KallistoiReckon和NSMAP等重建方法。

2、基于回归的方法。同种型量化的第二类统计方法是基于回归的，这些方法将同种型定量问题表示为线性或广义线性模型，并将基于区域的读数（或比例）作为响应变量，候选同种型作为预测变量，并将同种型丰度作为待估计的系数（参数）。基于回归的方法包括rQuant ，SLIDE，IsoLasso和CIDANE。

研究人员绘制的RNA-seq分析通用路线图(标准Illumina测序)，将主要分析步骤分为前期分析、核心分析和高级分析三类。前期预处理包括实验设计、测序设计和质量控制。核心分析包括转录组图谱分析、差异基因表达和功能分析。高级分析包括可视化、其他RNA-seq技术和数据整合。

简单来说，从原始数据开始，进行reads回贴，拼接转录本，计算表达量，分析差异表达基因，最后可视化分析结果。但是实际上是非常难的，需要一点语言编程功底。