剧集

RNA 序列化分析的交互式和可重现研究

替换为 Brian Piccolo

用户！ 国际 R 用户 2017 会议

useR！2017：交互式和可重现的研究...

关键字：RNA-Seq、探索数据分析、差异表达式、交互性、可重现性
网页： http://bioconductor.org/packages/pcaExplorer/https://github.com/federicomarini/ideal
下一代序列化技术（如 RNA-Seq）生成数千万次读取，以定义感兴趣的特征的表达式级别。 为适应研究人员的需求而开发了大量和各种软件包，主要在 R/Bioconductor 框架中。 他们中的许多人专注于对差异表达（DE）基因（DESeq2、edgeR、（Love et al. 2015）的识别，以发现实验组之间的定量变化，同时发现其他地址替代接合、发现小说脚本或RNA 编辑。
此外，探索数据分析是所有这些工作流的一个常见步骤，尽管它对于生成高度可靠的结果的重要性，但它通常被忽视，因为涉及的许多步骤可能需要相当熟练的用户在编程语言中。 主体组件分析（PCA）通常用于获取数据（Jolliffe 2002）的维度缩减概述。
我们的建议将解决探索数据分析和差异表达式分析的两个步骤，其中包含两个不同的包，集成并在 Bioconductor 中提供，即 pcaExplorer 和 理想方案。 我们建议在 Shiny 框架中开发的 Web 应用程序，该框架还包括支持可重现的分析，这要归功于嵌入式文本编辑器和模板文档，从而在用户探索后无缝生成 HTML 报告。
此解决方案（马里尼和 Binder 2016）也概述了这一解决方案，作为将交互性的基本特征（作为辅助功能代理）和可重现性（作为辅助功能代理）的具体原则证明，适合生命科学家和经验丰富的分析家的需求，从而使我们的包成为每个 RNA-Seq 分析的配套工具。
引用 Jolliffe，I T. 2002。 “主体组件分析，第二版。 行为科学 统计百科全书 30 （3）： 487. doi：10.2307/1270093。

爱、迈克尔·伊、西蒙·安德斯、弗拉迪斯拉夫·金和沃尔夫冈·胡伯。 2015. “RNA-Seq 工作流：基因级探索分析和差异表达。 F1000Research 4：1070。 doi：10.12688/f1000research.7035.1。

马里尼、费德里科和哈拉德·宾德。 2016. “开发交互式和可重现研究的应用程序：案例研究。 基因组学和计算生物学 3 （1）： 1 - 4。