重要资料：RNA-seq数据分析指南

RNA-seq可以获得相当惊人的数据量，而这恰恰是一柄双刃剑。丰富的数据量蕴含着大量的宝贵信息，但这样的数据需要复杂的生物信息学分析，才能从中提取到有意义的结果。正因如此，数据分析可以说是RNA-seq的重中之重。

RNA-seq有非常广泛的应用，但没有哪个分析软件是万能的。科学家们一般会根据自己的研究对象和研究目标，采用不同的数据分析策略。现在人们已经发表了大量的RNA-seq和数据分析方案，对于刚入门的新手来说难免有些无所适从。

佛罗里达大学、加州大学Irvine分校等单位的研究人员在Genome Biology杂志上发表文章，概述了RNA-seq生物信息学分析的现行标准和现有资源，为人们提供了一份带有注释的RNA-seq数据分析指南。这将成为开展RNA-seq研究的宝贵参考资料。

这份指南覆盖了RNA-seq数据分析的所有主要步骤，比如质量控制、读段比对、基因和转录本定量、差异性基因表达、功能分析、基因融合检测、eQTL图谱分析等等。研究人员绘制的RNA-seq分析通用路线图（标准Illumina测序），将主要分析步骤分为前期分析、核心分析和高级分析三类。前期预处理包括实验设计、测序设计和质量控制。核心分析包括转录组图谱分析、差异基因表达和功能分析。高级分析包括可视化、其他RNA-seq技术和数据整合。

研究人员在文章中探讨了每个步骤所面临的挑战，也评估了一些数据处理方法的潜力和局限。此外，他们还介绍了RNA-seq数据与其他数据类型的整合。这种数据整合可以将基因表达调控与分子生理学和功能基因组学关联起来，如今越来越受到研究者的欢迎。

这篇文章在结尾处介绍了一些为转录组领域带来改变的新技术，特别是单细胞RNA-seq和长读取测序技术带来的机遇和挑战。

设计多色流式分析的10个诀窍

稀有细胞检测，不做无谓的牺牲

如何利用数字PCR来验证基因组编辑的结果

方法选择 | 快速高效纯化FFPE组织样本