应用场景与案例
应用场景1：差异基因筛选与功能分析
适用范围：临床医学、基础医学、生物化学、动植物及真菌研究等任意方向
利用真核有参转录组测序，可通过比较实验组和对照组基因表达量筛选差异表达的基因。然后对差异表达基因进行进一步锁定，如通过GO、KEGG富集分析及GSEA分析，配合Pubmed中已发表的文献以及课题组中已积累的部分明星分子对差异表达基因进行功能注释，并进一步分析关注的功能基因。进入实验验证阶段后可对筛选到的差异基因进行qPCR、Northern、Western Blot、FISH验证、基因敲除及过表达等。
应用场景2：时序分析或浓度梯度分析
适用范围：临床样本、细胞样本、动植物样本有多个时间段的样本，或不同药物浓度处理的样本
在转录组数据分析过程中，有一类特殊的实验设计。通过对不同时间段的实验样本进行搜集，或测试不同的药物、试剂等浓度梯度的样本进行采集。继而研究不同基因在不同时间段或不同浓度梯度间的表达规律，这一类分析通常称之为“时序分析”
应用场景3：转录因子/调控因子/剪切因子等上游调控基因挖掘
适用范围：临床医学、基础医学、生物化学、动植物研究等任意研究方向
常规转录组差异分析极有可能得到大量的差异基因，这对后期实验验证的目标锁定带来挑战。在没有特定感兴趣的通路及明星分子前提下，转录因子是一个非常不错的切入方向。转录因子可以调节基因组DNA开放性、募集RNA聚合酶进行转录过程、募集辅助因子调节特定的转录阶段，调控诸多生命进程，诸如免疫反应、发育模式等。所以，分析转录因子表达及其调控活性对于解析复杂生命活动具有重要意义。其他调节因子包括可变剪切等调控基因也可以参与上游调控。
应用场景4：大样本研究
适用范围：动植物育种、遗传群体与物种起源、人群队列与生物标志物挖掘
随着测序技术的飞速发展，少量样本的转录组测序研究已经无法解释复杂的生物学问题。研究者们已开始利用大样本量的转录组样本，结合统计学与机器学习等方式，知道符合特定规律和研究目的的核心基因。如孟德尔随机化、相关性分析、线性回归、LASSO回归、Cox回归等，分析不同样本基因或基因组多样性，挖掘更深入和全面的生物学意义。
来自杭州联川
下一篇:代谢全谱为非靶向代谢组学分析 上一篇:甲基化检测
