有些朋友会觉得转录组数据利用度不大，感觉只能做常规的差异分析与富集分析，而且很多时候挖掘不出关键的信号通路与分子。
的确，数据的挖掘很多时候需要结合实验效果与自身的生物学背景关联。从转录组的分析角度来说，转录表达层面，目前更多是围绕其展开差异分析与富集分析，但如果样本数量多或者样本处理是按梯度（如浓度或者时间处理）处理的话，我们可以采取另外一些算法帮忙筛选。此外，从转录本结构层面，咱们可以进一步去从可变剪切与融合基因以及探究新的转录本等角度，当然这可能需要加深一定的测序深度，结构层面相对比较小众，分析难度相对大较大，但有时创新点也是拉满的。
关于转录组不同的分组情况在目前可用的分析思路总结在P2啦~
转录组dai分析，选题思路推荐?
#生物信息学 #生信分析 #转录组学 #sci #医学研究生 #医学博士 #生信人#数据分析
的确，数据的挖掘很多时候需要结合实验效果与自身的生物学背景关联。从转录组的分析角度来说，转录表达层面，目前更多是围绕其展开差异分析与富集分析，但如果样本数量多或者样本处理是按梯度（如浓度或者时间处理）处理的话，我们可以采取另外一些算法帮忙筛选。此外，从转录本结构层面，咱们可以进一步去从可变剪切与融合基因以及探究新的转录本等角度，当然这可能需要加深一定的测序深度，结构层面相对比较小众，分析难度相对大较大，但有时创新点也是拉满的。
关于转录组不同的分组情况在目前可用的分析思路总结在P2啦~
转录组dai分析，选题思路推荐?
#生物信息学 #生信分析 #转录组学 #sci #医学研究生 #医学博士 #生信人#数据分析
