利用R语言的DESeq2包进行RNA-seq数据处理
在R语言中，有许多差异分析的R包，其中DESeq2、limma、edgeR这三个差异基因分析包比较主流，它们功能强大，也各有特点。limma 和 DESeq2、edgeR 在分析原始 RNA-Seq counts 时方法不同，limma 需要结合 voom 转换；DESeq2 和 edgeR 可以直接接受原始 counts。DESeq2 使用负二项模型建模 RNA-Seq counts，通过对离散度和 log2FoldChange 进行经验贝叶斯收缩，提高小样本下的稳定性。DESeq2官方提供了极为详尽的使用手册，非常推荐阅读。由于可能的版本出入等问题，若如下分享内容与官方有出入，请以官方为准。https://bioconductor.org/packages/release/bioc/vignettes/DESeq2/inst/doc/DESeq2.html一、准备数据：1. 准备好你的分组矩阵:导入数据的格式可参考下表，在此示例中将此表格保存为batch.csvnameconditionAML1AMLAML2AMLAML3AML
