edgeR/DESeq2挑选差异features

WekemoBioincloud微科盟生科云

使用gene_count.xls作为输入表, 用DESeq2(有生物学重复)或edgeR(可无生物学重复)方法挑选差异表达基因(DEG), 用于后续Venn图，热图，富集分析，PPI等, 详情可点击真核有参转录组结题报告查看

丰度表:

制表符分隔的文本文件表格；第一行应包含样本名，唯一(不可重复)，与分组信息表第一列相对应(顺序可以不一样)；第一列为组学feature名(如微生物，代谢物，基因，表型名)，唯一(不可重复)；丰度应为正整数（如序列数），不要预先做丰度标准化和校正，DESeq2有自己的校正方法

选择输入文件

输入文件预览和编辑

请选择输入文件

分组信息表:

制表符分隔的文本文件表格；第一列为样本名，唯一(不可重复)

选择输入文件

输入文件预览和编辑

请选择输入文件

实验设计

参与构建模型的分组方案:

如果您不了解广义线性模型的构建，请保持该参数和‘比较的分组方案’一致。选中的分组方案将作为固定效应放在模型中。请保证参与构建模型的各个分组方案间不存在线性相关，否则效应矩阵不满秩，不可逆，模型将无法求解(结果为空)

————请先选择输入文件————

考虑互作效应:

如果您不了解广义线性模型的构建，建议不开启。开启该参数后，模型中将加入各个固定效应的每种组合的互作。如‘参与构建模型的分组方案’选了A，B，C，开启该参数的最终模型为～A+B+C+A:B+A:C+B:C+A:B:C

比较的分组方案:

计算FoldChage，画火山图的分组方案。该方案必须包含在‘参与构建模型的分组方案’中

————请先选择输入文件————

实验组:

计算Fold Change时作为分子

————请先选择文件，提供有效的分组方案————

对照组:

计算Fold Change时作为分母

————请先选择文件，提供有效的分组方案————

基因筛选

基因最小检出率:

默认筛除检出率(count不为0的比例)小于0.25的基因，这些基因通常不服从分析模型的数据分布假设，因而不适合做差异分析

挑选方法:

DESeq2

edgeR

Log2FoldChange阈值:

此处为Log2FoldChange绝对值阈值

限制差异基因集的Log2FoldChange符号:

挑选差异基因集时: up要求Log2FoldChange > 阈值; down要求Log2FoldChange < -阈值; both则不限符号, 要求 Log2FoldChange绝对值 > 阈值;该参数可用于筛选仅上调或仅下调的基因集, 用于后续富集分析

both

校正p值:

开启该参数后，将使用校正后的p值挑选差异表达基因

p值阈值:

图片调整

火山图中标注名字/ID的基因个数上限:

只标注最显著(p值最小)的基因

火山图中点的颜色:

down

任务备注:

0-20个字母，数字，下划线或汉字的组合

任务完成时发邮件提醒我

如果您在文章中使用生科云分析数据，请引用生科云，正文中可用如下格式:

A [此处写分析名称] was completed using the Wekemo Bioincloud (https:// www.bioincloud.tech) [Ref].

请引用文献：[Ref]. Yunyun Gao, Guoxing Zhang, Shunyao Jiang, Yong-Xin Liu. 2024. Wekemo Bioincloud: A user-friendly platform for meta-omics data analyses. iMeta 3: e175. https://doi.org/10.1002/imt2.175

使用说明

视频教程

人工帮助

加载中...