拓展资源

Learning Resources

官方文档与教程

Bioconductor

RNA-seq Workflow

Bioconductor官方RNA-seq分析工作流，使用airway数据集演示完整分析流程

在线课程

Auto SRA RNA-seq Pipeline

自动化SRA RNA-seq数据下载与处理流程（fastq-dump、质控、比对、表达定量）

参考书籍

书名	作者	说明
RNA-seq Data Analysis	Korpelainen et al.	RNA-seq数据分析实用指南
Bioinformatics Data Skills	Vince Buffalo	生物信息学数据处理基础
R for Data Science	Wickham & Grolemund	R数据科学基础
Bioconductor Case Studies	Hahne et al.	Bioconductor案例分析

数据库与工具

基因注释数据库

Ensembl: https://www.ensembl.org/
NCBI Gene: https://www.ncbi.nlm.nih.gov/gene
Gene Ontology: http://geneontology.org/
KEGG: https://www.genome.jp/kegg/

常用工具

工具	用途	链接
fastp	一个超快速的全能FASTQ预处理器（质量控制/接头/修剪/过滤/分割/合并…）	https://github.com/OpenGene/fastp
FastQC	测序数据质控	https://www.bioinformatics.babraham.ac.uk/projects/fastqc/
Trimmomatic	接头和低质量序列去除	http://www.usadellab.org/cms/?page=trimmomatic
STAR	RNA-seq reads比对	https://github.com/alexdobin/STAR
HISAT2	快速splice-aware比对	https://daehwankimlab.github.io/hisat2/
featureCounts	基因表达计数	http://subread.sourceforge.net/
MultiQC	整合质控报告	https://multiqc.info/

R包资源

示例数据集

课程示例数据

课程使用真实甲状腺癌RNA-seq数据集（PTC vs ATC），包含：

对照组（PTC）和实验组（ATC）各3个生物学重复
~20,000个基因的原始计数矩阵
含批次信息的完整样本metadata

文件	说明	下载
`geneCountMatrix.txt`	基因表达原始计数矩阵（~20,000基因 × 6样本）	下载
`samplesinfo.txt`	样本信息表（样本名、分组、批次）	下载

学习路径建议

入门路径

完成本课程理论学习
跟随Bioconductor RNA-seq Workflow实践
使用自己的数据重复分析流程

进阶路径

学习批次效应校正（ComBat-seq等）
掌握整合分析（多数据集meta-analysis）
探索单细胞RNA-seq分析（Seurat）

社区与支持

Bioconductor支持网站: https://support.bioconductor.org/
Biostars: https://www.biostars.org/
Stack Overflow: https://stackoverflow.com/questions/tagged/rna-seq

相关课程

提示：如果遇到问题，建议首先查阅官方文档和Vignette，然后通过搜索引擎/AI搜索类似问题。

--- title: "拓展资源" subtitle: "Learning Resources" --- ## 官方文档与教程 ### Bioconductor ::: {.resource-grid} ::: {.resource-card} #### [RNA-seq Workflow](https://www.bioconductor.org/packages/release/workflows/html/rnaseqGene.html) Bioconductor官方RNA-seq分析工作流，使用airway数据集演示完整分析流程 ::: ::: {.resource-card} #### [DESeq2 Vignette](https://bioconductor.org/packages/release/bioc/vignettes/DESeq2/inst/doc/DESeq2.html) DESeq2包官方文档，详细的差异表达分析教程 ::: ::: {.resource-card} #### [edgeR User Guide](https://bioconductor.org/packages/release/bioc/vignettes/edgeR/inst/doc/edgeRUsersGuide.pdf) edgeR用户指南，适用于复杂实验设计的差异分析 ::: ::: ### 在线课程 ::: {.resource-grid} ::: {.resource-card} #### [HBC RNA-seq Training](https://github.com/hbctraining/Intro-to-rnaseq-hpc-O2) 哈佛生物信息学核心培训材料，涵盖RNA-seq分析全流程 ::: ::: {.resource-card} #### [NBIS RNA-seq Workshop](https://github.com/NBISweden/workshop-RNAseq) 瑞典国家生物信息学基础设施RNA-seq培训材料 ::: ::: {.resource-card} #### [Workshop RNA-seq](https://github.com/WangLabCSU/workshop-RNAseq) 本实验室fork的RNA-seq培训资料 ::: ::: {.resource-card} #### [Auto SRA RNA-seq Pipeline](https://github.com/WangLabCSU/auto_sra_rnaseq_pipeline) 自动化SRA RNA-seq数据下载与处理流程（fastq-dump、质控、比对、表达定量） ::: ::: ## 参考书籍 | 书名 | 作者 | 说明 | |------|------|------| | **RNA-seq Data Analysis** | Korpelainen et al. | RNA-seq数据分析实用指南 | | **Bioinformatics Data Skills** | Vince Buffalo | 生物信息学数据处理基础 | | **R for Data Science** | Wickham & Grolemund | R数据科学基础 | | **Bioconductor Case Studies** | Hahne et al. | Bioconductor案例分析 | ## 数据库与工具 ### 基因注释数据库 - **Ensembl**: https://www.ensembl.org/ - **NCBI Gene**: https://www.ncbi.nlm.nih.gov/gene - **Gene Ontology**: http://geneontology.org/ - **KEGG**: https://www.genome.jp/kegg/ ### 常用工具 | 工具 | 用途 | 链接 | |------|------|------| | **fastp** | 一个超快速的全能FASTQ预处理器（质量控制/接头/修剪/过滤/分割/合并...） | https://github.com/OpenGene/fastp | | **FastQC** | 测序数据质控 | https://www.bioinformatics.babraham.ac.uk/projects/fastqc/ | | **Trimmomatic** | 接头和低质量序列去除 | http://www.usadellab.org/cms/?page=trimmomatic | | **STAR** | RNA-seq reads比对 | https://github.com/alexdobin/STAR | | **HISAT2** | 快速splice-aware比对 | https://daehwankimlab.github.io/hisat2/ | | **featureCounts** | 基因表达计数 | http://subread.sourceforge.net/ | | **MultiQC** | 整合质控报告 | https://multiqc.info/ | ### R包资源 ::: {.resource-grid} ::: {.resource-card} #### [clusterProfiler](https://yulab-smu.top/biomedical-knowledge-mining-book/) 全面的功能富集分析R包，支持多种富集方法和可视化 ::: ::: {.resource-card} #### [ComplexHeatmap](https://jokergoo.github.io/ComplexHeatmap-reference/book/) 复杂热图绘制R包，适用于基因组数据可视化 ::: ::: {.resource-card} #### [fgsea](https://bioconductor.org/packages/release/bioc/html/fgsea.html) 快速GSEA分析R包 ::: ::: ## 示例数据集 ### 课程示例数据课程使用真实甲状腺癌RNA-seq数据集（PTC vs ATC），包含： - **对照组（PTC）**和**实验组（ATC）**各3个生物学重复 - ~20,000个基因的原始计数矩阵 - 含批次信息的完整样本metadata | 文件 | 说明 | 下载 | |------|------|------| | `geneCountMatrix.txt` | 基因表达原始计数矩阵（~20,000基因 × 6样本） | <a href="data/geneCountMatrix.txt" download>下载</a> | | `samplesinfo.txt` | 样本信息表（样本名、分组、批次） | <a href="data/samplesinfo.txt" download>下载</a> | ## 学习路径建议 ### 入门路径 1. 完成本课程理论学习 2. 跟随[Bioconductor RNA-seq Workflow](https://www.bioconductor.org/packages/release/workflows/html/rnaseqGene.html)实践 3. 使用自己的数据重复分析流程 ### 进阶路径 1. 学习批次效应校正（ComBat-seq等） 2. 掌握整合分析（多数据集meta-analysis） 3. 探索单细胞RNA-seq分析（Seurat） ## 社区与支持 - **Bioconductor支持网站**: https://support.bioconductor.org/ - **Biostars**: https://www.biostars.org/ - **Stack Overflow**: https://stackoverflow.com/questions/tagged/rna-seq ## 相关课程 - [R与(R)Markdown基础](../r-and-rmarkdown/index.html) - [单细胞RNA-seq分析](https://github.com/NBISweden/workshop-scRNAseq) --- **提示**：如果遇到问题，建议首先查阅官方文档和Vignette，然后通过搜索引擎/AI搜索类似问题。