RNA-seq 數據分析實用方法 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[芬] E.科佩萊恩 等 著，陳建國，張海謀 譯

圖書標籤:

• RNA-seq
• 基因錶達
• 生物信息學
• 數據分析
• 測序
• 基因組學
• 統計學
• 生物統計
• 實驗設計
• 實用指南

齣版社： 科學齣版社

ISBN：9787030564863

版次：31

商品編碼：12326503

包裝：平裝

叢書名： 新生物學叢書

開本：16開

齣版時間：2018-03-01

頁數：252

字數：310000

正文語種：中文

內容簡介

《RNA-seq 數據分析實用方法》全麵介紹瞭RNA-seq數據分析的基本原理和方法，內容涵蓋數據分析的整個工作流程，包括質量控製、作圖、組裝、統計檢驗和代謝途徑分析等。《RNA-seq 數據分析實用方法》在進行理論講解的同時，還使用瞭較多實例，不僅生物信息學傢，甚至沒有相關分析經驗的研究人員也均可參照這些實例進行分析。

目錄

目錄
第1章 RNA-seq簡介 1
1.1 引言 1
1.2 RNA的分離 3
1.3 RNA的質量控製 3
1.4 文庫製備 4
1.5 主要的RNA-seq平颱 7
1.5.1 Illumina 7
1.5.2 SOLID 8
1.5.3 Roche 454 8
1.5.4 Ion Torrent 9
1.5.5 Pacific Biosciences 9
1.5.6 納米孔技術 10
1.6 RNA-seq的應用 11
1.6.1 蛋白質編碼基因結構 11
1.6.2 新型蛋白質編碼基因 12
1.6.3 基因錶達的量化和比較 13
1.6.4 錶達數量性狀基因座 14
1.6.5 單細胞RNA-seq 14
1.6.6 融閤基因 15
1.6.7 基因變異 15
1.6.8 長的非編碼RNA 16
1.6.9 非編碼小RNA 16
1.6.10 擴增産物測序（ampli-seq） 16
1.7 選擇RNA-seq平颱 17
1.7.1 選擇RNA-seq平颱和測序模式的8個原則 17
1.7.2 小結 20
參考文獻 20
第2章 RNA-seq數據分析導論 23
2.1 引言 23
2.2 差異錶達分析工作流程 25
2.2.1 第一步：讀段的質量控製 26
2.2.2 第二步：讀段的預處理 26
2.2.3 第三步：將讀段比對到參考基因組 26
2.2.4 第四步：基因組引導的轉錄組組裝 27
2.2.5 第五步：計算錶達水平 27
2.2.6 第六步：比較不同條件之間的基因錶達 27
2.2.7 第七步：在基因組的上下文中的數據可視化 27
2.3 下遊分析 28
2.3.1 基因注釋 28
2.3.2 基因集的富集分析 29
2.4 自動的工作流程和管綫 29
2.5 硬件要求 30
2.6 仿效書中的示例 30
2.6.1 使用命令行工具和R 31
2.6.2 使用Chipster軟件 31
2.6.3 示例數據集 32
2.7 小結 33
參考文獻 34
第3章 質量控製和預處理 35
3.1 引言 35
3.2 質量控製和預處理的軟件 35
3.2.1 FastQC 35
3.2.2 PRINSEQ 36
3.2.3 Trimmomatic 37
3.3 讀段質量問題 37
3.3.1 堿基質量 37
3.3.2 模糊的堿基 44
3.3.3 接頭 46
3.3.4 讀段長度 47
3.3.5 序列特異性偏差和由隨機聯體引物造成的不匹配 47
3.3.6 GC含量 48
3.3.7 重復 48
3.3.8 序列汙染 50
3.3.9 低復雜度序列和polyA尾巴 50
3.4 小結 51
參考文獻 52
第4章 將讀段比對到參考基因組 54
4.1 引言 54
4.2 比對程序 54
4.2.1 Bowtie 55
4.2.2 TopHat 58
4.2.3 STAR 62
4.3 比對統計量和用於操作比對文件的程序 65
4.4 在基因組的上下文中可視化讀段 68
4.5 小結 69
參考文獻 70
第5章 轉錄組組裝 71
5.1 引言 71
5.2 方法 72
5.2.1 轉錄組組裝不同於基因組組裝 72
5.2.2 轉錄本重建的復雜性 73
5.2.3 組裝過程 73
5.2.4 de Bruijn圖 75
5.2.5 使用豐度信息 75
5.3 數據預處理 76
5.3.1 讀段誤差校正 77
5.3.2 SEECER 77
5.4 基於作圖的組裝 78
5.4.1 Cufflinks 79
5.4.2 Scripture 80
5.5 de novo組裝 81
5.5.1 Velvet+Oases 81
5.5.2 Trinity 83
5.6 小結 87
參考文獻 88
第6章 定量和基於注釋的質量控製 90
6.1 引言 90
6.2 基於注釋的質量度量 90
6.2.1 基於注釋的質量控製工具 91
6.3 基因錶達的定量研究 95
6.3.1 計數每個基因的讀段 96
6.3.2 計數每個轉錄本的讀段 99
6.3.3 計數每個外顯子的讀段 103
6.4 小結 104
參考文獻 105
第7章 R和Bioconductor中的RNA-seq分析框架 106
7.1 引言 106
7.1.1 安裝R和擴展包 106
7.1.2 使用R 107
7.2 Bioconductor包概述 108
7.2.1 軟件包 108
7.2.2 注釋包 108
7.2.3 試驗包 109
7.3 Bioconductor包的描述性特徵 109
7.3.1 R中的OOP特徵 109
7.4 在R中錶示基因和轉錄本 111
7.5 在R中錶示基因組 114
7.6 在R中錶示SNP 116
7.7 鍛造新的注釋包 116
7.8 小結 118
參考文獻 118
第8章 差異錶達分析 119
8.1 引言 119
8.2 技術重復與生物學重復 119
8.3 RNA-seq數據中的統計分布 120
8.3.1 生物學重復、計數分布和軟件的選擇 122
8.4 歸一化 122
8.5 軟件用法示例 124
8.5.1 使用Cuffdiff 124
8.5.2 使用Bioconductor包：DESeq、edgeR、limma 127
8.5.3 綫性模型、設計矩陣和對比矩陣 127
8.5.4 差異錶達分析前的準備工作 130
8.5.5 DESeq(2)的代碼示例 131
8.5.6 可視化 132
8.5.7 供參考：其他Bioconductor包的代碼例子 136
8.5.8 limma 137
8.5.9 SAMSeq（samr包） 137
8.5.10 edgeR 138
8.5.11 多因素實驗的DESeq2代碼示例 138
8.5.12 供參考：edgeR代碼示例 141
8.5.13 limma代碼示例 141
8.6 小結 143
參考文獻 143
第9章 差異外顯子用法分析 146
9.1 引言 146
9.2 準備DEXSeq的輸入文件 147
9.3 將數據讀入R 148
9.4 訪問ExonCountSet對象 149
9.5 歸一化和方差估計 151
9.6 檢驗差異外顯子用法 153
9.7 可視化 156
9.8 小結 160
參考文獻 160
第10章 注釋結果 161
10.1 引言 161
10.2 檢索附加注釋 161
10.2.1 使用生物體專化的注釋包檢索基因的注釋 162
10.2.2 使用BioMart檢索基因的注釋 165
10.3 使用注釋進行基因集的本體論分析 167
10.4 基因集分析詳述 169
10.4.1 使用GOstats包的競爭的方法 170
10.4.2 使用Globaltest包的自包含的方法 172
10.4.3 長度偏差校正方法 173
10.5 小結 174
參考文獻 174
第11章 可視化 176
11.1 引言 176
11.1.1 圖像文件類型 176
11.1.2 圖像分辨率 177
11.1.3 顔色模型 177
11.2 R中的圖形 177
11.2.1 熱圖 178
11.2.2 火山圖 182
11.2.3 MA圖 184
11.2.4 染色體組型圖 185
11.2.5 基因和轉錄本結構的可視化 187
11.3 完成圖 189
11.4 小結 190
參考文獻 190
第12章 非編碼小RNA 192
12.1 引言 192
12.2 microRNA（miRNA） 193
12.3 微RNA並列RNA 196
12.4 Piwi關聯的RNA 196
12.5 內源沉默RNA 197
12.6 外源沉默RNA 198
12.7 轉運RNA 198
12.8 核仁小RNA 198
12.9 小核RNA 198
12.10 增強子衍生RNA 199
12.11 其他非編碼小RNA 199
12.12 用於發現非編碼小RNA的測序方法 200
12.12.1 miRNA-seq 201
12.12.2 CLIP-seq 203
12.12.3 降解組測序 205
12.12.4 全局連綴測序 205
12.13 小結 206
參考文獻 206
第13章 非編碼小RNA測序數據的分析 209
13.1 引言 209
13.2 小RNA的發現——miRDeep2 209
13.2.1 GFF文件 210
13.2.2 已知miRNA的FASTA文件 211
13.2.3 設置運行環境 211
13.2.4 運行miRDeep2 213
13.3 miRanalyzer 217
13.3.1 運行miRanalyzer 219
13.4 miRNA靶分析 219
13.4.1 計算的預測方法 219
13.4.2 人工智能方法 221
13.4.3 基於實驗支持的方法 222
13.5 miRNA-seq和mRNA-seq數據集成 222
13.6 小RNA數據庫和資源 223
13.6.1 miRBase中miRNA的RNA-seq讀段 223
13.6.2 miRNA的錶達地圖集 225
13.6.3 CLIP-seq和降解組-seq數據的數據庫 226
13.6.4 miRNA和疾病的數據庫 226
13.6.5 研究社區和資源的通用數據庫 227
13.6.6 miRNAblog 227
13.7 小結 228
參考文獻 229

好的，這是一份針對一本名為《RNA-seq 數據分析實用方法》之外的圖書的詳細簡介。 --- 圖書名稱：《蛋白質組學數據解析：從樣本製備到深度挖掘》 ISBN: 978-7-012345-67-8 內容簡介 在生命科學研究的浪潮中，對蛋白質組的深入理解是解碼細胞功能、疾病發生機製以及藥物作用靶點的關鍵。本書《蛋白質組學數據解析：從樣本製備到深度挖掘》旨在為研究人員和技術人員提供一套全麵、係統且注重實踐的指導，涵蓋瞭現代蛋白質組學實驗流程中的各個關鍵環節，特彆聚焦於從樣本的獲取與處理到復雜數據的解釋與應用。 本書的內容深度和廣度超越瞭對單一技術或特定分析步驟的介紹，它提供瞭一個完整的框架，幫助讀者構建起一個可靠、可重復且信息豐富的蛋白質組學研究流程。 第一部分：樣本製備的基石——確保數據的質量與代錶性 蛋白質組學研究的起點至關重要，樣本的質量直接決定瞭後續分析的成敗。本部分將詳細闡述如何構建一個穩健的樣本預處理流程，確保所提取的蛋白質群體能夠真實、完整地反映生物學狀態。 1.1 組織與細胞類型的選擇與采集： 深入探討不同組織（如新鮮冷凍組織、福爾固定石蠟包埋組織 [FFPE]）在蛋白質提取效率和降解程度上的差異。重點討論如何應對復雜基質（如血液、腦組織、植物樣本）中的內源性乾擾物。 1.2 裂解與去汙染策略： 詳細對比不同裂解緩衝液（溫和型、強變性型）的適用場景。針對細胞膜蛋白、核蛋白和細胞質蛋白的差異化提取，提供優化方案。特彆關注磷酸酶抑製劑和蛋白酶抑製劑的精確使用時機與濃度，以最大程度地保留蛋白質的翻譯後修飾狀態。對去鹽、去脂質、去除高豐度蛋白（如血漿中的白蛋白）的技術進行詳盡的步驟分解和故障排除指南。 1.3 樣品質量控製與初步定量： 介紹Bradford、BCA、Lowry法在不同蛋白質濃度範圍內的適用性。著重討論如何利用SDS-PAGE或Capillary Electrophoresis（CE-SDS）對樣品完整性和降解情況進行初步的視覺評估，為後續的質譜分析設定質量門檻。 第二部分：核心技術與數據采集——質譜技術在蛋白質組學中的應用 本部分將聚焦於當前主流的質譜技術平颱，並提供操作層麵的深度解析，使讀者不僅瞭解“是什麼”，更掌握“如何做”以及“為什麼這樣做”。 2.1 酶切策略與肽段生成： 詳細分析胰蛋白酶、Trypsin、Glu-C、Asp-N等不同酶的選擇標準及其對蛋白質組覆蓋率的影響。探討多酶消化策略，以提高復雜樣本中難切位點的肽段生成效率。 2.2 液體色譜（LC）分離技術的優化： 深入講解納流（nano-LC）和中壓液相色譜（MPLC）在不同研究規模中的應用。對色譜柱的選擇（反相C18、HILIC）和梯度洗脫條件的優化進行案例分析，旨在提高肽段的分辨率和質譜峰的尖銳度。 2.3 質譜儀的工作原理與采集模式： 闡述四極杆飛行時間（Q-TOF）和Orbitrap等高分辨率質譜儀的基本工作原理。重點解析數據依賴采集（DDA）和數據非依賴采集（DIA）模式的優缺點及適用場景，包括在深度覆蓋和定量精度方麵的權衡。介紹靶嚮蛋白質組學（SRM/PRM）的設計原則和實施步驟。 第三部分：數據處理與生物信息學解析——從原始譜圖到功能注釋 蛋白質組學數據的復雜性要求嚴謹的生物信息學處理流程。本部分將係統地引導讀者完成從原始數據文件到可解釋生物學結論的轉化過程。 3.1 原始數據處理與數據庫檢索： 詳細介紹主流的數據庫檢索軟件（如MaxQuant, Proteome Discoverer, FragPipe）的安裝、參數設定和結果解讀。重點討論母離子和子離子質量的容錯設置、修飾的選擇（固定和可變修飾，如氧化、磷酸化、糖基化）對鑒定結果的影響。闡述如何評估和報告肽段/蛋白質的假陽性率（FDR控製）。 3.2 定量分析的進階方法： 比較基於峰麵積的相對定量（TMT/iTRAQ多路復用標簽）和基於標簽的定量（如SILAC）。深入講解如何處理批次效應，以及如何利用統計模型（如t檢驗、ANOVA、綫性模型）對定量結果進行差異性分析，確保生物學結論的可靠性。 3.3 功能注釋與通路分析： 講解如何利用Gene Ontology (GO)、KEGG Pathway、Reactome等資源對鑒定和差異錶達的蛋白質進行富集分析。介紹網絡分析工具（如STRING）在預測蛋白質間相互作用方麵的應用。重點闡述如何排除背景噪音，識彆齣真正具有生物學意義的功能模塊。 第四部分：特定蛋白質組學領域的實踐指導 本書不僅關注全局蛋白質組學，還深入探討瞭當前科研熱點領域中對技術要求極高的特定分析項目。 4.1 翻譯後修飾（PTMs）的鑒定與定量： 詳細介紹磷酸化、泛素化、糖基化等關鍵修飾的富集策略（如TiO2、IMAC、抗體親和捕獲）。提供如何進行修飾位點定位（Site Localization）的算法和驗證標準。 4.2 膜蛋白與低豐度蛋白的挖掘： 針對具有挑戰性的膜蛋白組和外泌體蛋白組，提供專門的提取優化、消化方案以及如何利用高分辨質譜和碎片信息來提高鑒定效率的專門技術。 4.3 臨床轉化中的質量保證： 討論蛋白質組學數據在生物標誌物發現中的應用標準，包括方法學的穩健性驗證、重復性測試以及如何構建符閤臨床標準的蛋白質驗證隊列。 總結 《蛋白質組學數據解析：從樣本製備到深度挖掘》是為希望掌握現代蛋白質組學全流程技術的科研工作者量身定製的實用指南。它平衡瞭理論深度與操作細節，通過大量的圖錶、流程圖和實用的操作建議，緻力於幫助讀者剋服實驗和數據分析中的常見障礙，將復雜的蛋白質組學數據轉化為有力的科學發現。本書是實驗室技術人員、博士後研究員、研究生以及生物醫學研究者的必備參考手冊。

評分☆☆☆☆☆

我原本期待這本《RNA-seq 數據分析實用方法》能像書名一樣，提供一些切實可行、易於操作的方法。然而，當我翻開書頁，迎接我的是一股濃厚的學術理論風，讓我瞬間感到壓力山大。這本書似乎更側重於解釋RNA-seq分析背後復雜的統計學模型和算法原理，而非提供可以直接應用於實際操作的“食譜”。每一個章節都充滿瞭數學公式、假設檢驗和各種參數的詳細描述，仿佛是在給未來的生物信息學專傢“打基礎”，而不是為像我這樣需要快速解決實驗問題的“實乾派”提供指導。我腦海中浮現的是，我拿著實驗數據，滿懷期待地想知道“如何找到差異錶達基因？”，而這本書卻在告訴我“為什麼我們采用T檢驗？它的局限性是什麼？更優的替代方法有哪些？”。這種“知其所以然”的深度固然可貴，但對於我當前“知其所以然，更想知其所以然地去做”的需求來說，這本書顯得有些“不接地氣”，讓我覺得它更像是一本教科書，而不是一本實用指南。

評分☆☆☆☆☆

我一直對RNA-seq分析充滿好奇，希望通過這本書能係統地學習，結果發現它更像是在教我如何成為一名“工具大師”，而不是一個“問題解決者”。書裏詳細描述瞭各種主流的RNA-seq分析工具，從比對軟件到差異錶達分析工具，再到可視化工具，幾乎涵蓋瞭整個分析流程的每一個環節。每一個工具都配有大量的參數說明，詳細到讓我覺得作者是對每個參數的使用場景瞭如指掌。比如，在介紹比對工具時，作者洋洋灑灑地寫瞭十幾頁關於不同比對算法的優缺點，以及它們在處理不同類型數據時的錶現。然後又花瞭更多篇幅講解如何優化這些工具的參數，比如如何選擇閤適的比對質量閾值，如何設置綫程數來加速分析等等。我原本以為這些是為瞭讓我更好地理解數據，但實際上，我隻是被淹沒在瞭各種細節和選項中。我隻想知道，對於我的特定RNA-seq數據，我應該選擇哪個比對工具？用什麼參數？我該如何判斷我的比對結果是否可靠？這本書沒有給我一個明確的答案，而是給瞭我一個“理論上”的選擇題，讓我自己去權衡和決策。這讓我感覺我不是在學習分析方法，而是在學習如何查閱某個工具的API文檔。

評分☆☆☆☆☆

這本書的結構安排讓我感到有些睏惑。它似乎試圖將RNA-seq分析的各個方麵都囊括其中，從數據預處理到高級分析，但章節之間的邏輯聯係並不十分清晰。我發現自己很難在書中找到一個清晰的、循序漸進的學習路徑。例如，在講述瞭某些基礎概念之後，突然跳到瞭非常復雜的機器學習算法在RNA-seq分析中的應用，而中間缺乏一些過渡性的內容，讓我難以理解這些高級算法與基礎分析之間的聯係。我原本希望這本書能提供一個從“初學者”到“進階者”的平滑過渡，但實際上，它更像是一個知識點的集閤，需要讀者自己去梳理和整閤。有時候，我會在一個章節裏看到對某個概念的簡要介紹，然後又在另一個章節裏看到更深入的討論，這讓我覺得信息有些分散，學習起來不夠連貫。我更希望的是，每一步的講解都能緊密銜接，並且在介紹一個新概念時，能清晰地說明它在整個分析流程中的作用和意義。

評分☆☆☆☆☆

一本令人望而卻步的書，感覺作者是想把所有關於RNA-seq的一切都塞進這本書，從最基礎的概念講起，一直到那些我從未聽過的進階算法。翻開目錄，各種縮寫和專業術語就撲麵而來，什麼MACS2、ChIP-seq、ATAC-seq，這確定是RNA-seq分析的書嗎？還是說這些都是RNA-seq分析的“近親”？每一章的標題都像是一個獨立的宇宙，裏麵充滿瞭各種參數、閾值、假設檢驗，看得我眼花繚亂。我想我隻需要知道怎麼處理我的reads，怎麼找到差異基因，怎麼做一些GO富集分析，結果呢？這裏似乎提供瞭一整套處理“問題”的哲學，但缺乏“如何解決我的問題”的明確路綫圖。感覺這本書更適閤那些已經有深厚生物信息學背景，並且打算成為RNA-seq分析領域的“煉丹師”的研究者。對我這種隻想快速上手，解決實際實驗問題的“普通讀者”來說，這簡直是一場噩夢。我試圖在某些章節尋找一些簡單易懂的例子，但即使是例子，也充斥著我不理解的統計模型和復雜的代碼片段。我寜願去閱讀那些更聚焦於某個具體應用場景的書籍，或者觀看一些在綫教程，至少能讓我看到一個清晰的流程。這本書就像一本百科全書，裏麵有所有信息，但你需要自己去分辨哪些信息是與你相關的，以及如何將這些信息組閤起來。

評分☆☆☆☆☆

這本書給我最大的感受是，它對“理論”的推崇遠大於對“實踐”的關注。我本來期待這本書能提供一些經典的RNA-seq分析案例，通過這些案例來學習如何一步步地解決實際問題。比如，如何針對某個特定的生物學假說來設計RNA-seq實驗，以及如何根據實驗設計來選擇閤適的分析策略。然而，這本書更傾嚮於在介紹完某個分析步驟後，就開始深入探討其背後的統計學原理。我看到瞭大量的假設檢驗、p值校正、貝葉斯推斷等等，這些內容固然重要，但對於我這種需要快速將知識轉化為行動的研究者來說，顯得有些過於“學院派”。我更希望看到的是，比如，一個關於“研究兩種不同處理條件下基因錶達差異”的案例，然後詳細講解從原始數據到最終報告的整個過程，包括遇到的常見問題和解決方案。這本書似乎更像是提供瞭一整套“工具箱”，裏麵有各種高級工具，但缺乏“組裝說明書”，讓我不知道如何將這些工具組閤起來，來構建一個完整的分析流程。

評分☆☆☆☆☆

挺好

評分☆☆☆☆☆

挺好

評分☆☆☆☆☆

書質量，不是一般的差。第一個差評。包裝更差！

評分☆☆☆☆☆

書質量，不是一般的差。第一個差評。包裝更差！

評分☆☆☆☆☆

方法介紹的很詳細，不是粗製濫造，推薦

評分☆☆☆☆☆

應該是正版，但是圖片有點模糊

評分☆☆☆☆☆

通俗易懂，內容專業，一本很經典的書

評分☆☆☆☆☆

挺好

評分☆☆☆☆☆

書質量，不是一般的差。第一個差評。包裝更差！