合并矩陣： 輸入：每個(gè)樣本定量結(jié)果，輸出：reads.count矩陣（gene_count.matrix）用于差異分析，標(biāo)準(zhǔn)化后的矩陣(tpm.matrix樣本內(nèi)標(biāo)準(zhǔn)化).再標(biāo)準(zhǔn)化形成TMM（tmm.matrix樣本間標(biāo)準(zhǔn)化）
程序：abundance_estimate_to_matrix.pl
代碼：perl script/abundance_estimates_to_matrix.pl --est_method featureCounts --quant_files genes.quant_files.txt --out_prefix genes
count文件：genes.quant_files.txt存放上一步生成的count文件

genes.quant_files.txt

contrasts.txt

差異表達(dá)分析(分組)：輸入：reads count矩陣（gene_count.matrix）
軟件：DESeq2 和 edgeR（這兩個(gè)軟件內(nèi)部都能標(biāo)準(zhǔn)化）安裝conda install bioconductor-deseq2 或者BiocManager::install('DESeq2')
樣品表：sample
分組設(shè)計(jì)contrasts：
sample.txt

sample.txt

代碼
perl /pub/anaconda3/opt/trinity-2.1.1/Analysis/DifferentialExpression/run_DE_analysis.pl \ --matrix ../3.Merge_result/genes.counts.matrix \ --method DESeq2 \ --samples_file ../data/samples.txt #\ --contrasts contrasts.txt

run_DE_analysis.pl

組間的差異大于組內(nèi)差異
差異分析基于假設(shè)檢驗(yàn)，假設(shè)基于概率模型

去掉文件的第一行sed '1d' file

篩選差異基因sed '1d' genes.counts.matrix.KID_S1_vs_KID_S3.DESeq2.DE_results |awk 'sqrt($5*$5)>1 && $9<0.05{print $1,$5,$9} ' |sort -k 2n
n：number，表示以數(shù)字大小排序

第七天：功能注釋

蛋白功能注釋?zhuān)喝说饶Ｊ缴锟梢酝ㄟ^(guò)R包biomart查詢基因的功能
基于相似性和結(jié)構(gòu)域確定蛋白功能
比對(duì)算法：動(dòng)態(tài)規(guī)劃算法，兩條序列滑動(dòng)比對(duì)打分

物種分化是直系同源基因，通過(guò)拷貝增加的是旁系同源
基因家族COG/KOG：NCBI把一個(gè)基因組的基因分成24類(lèi)，廣義的基因家族。
輸入文件：蛋白文件
常用流程：
軟件（eggNOG-mapper）