]樣本量要求

]技術參數

檢測平臺：全基因組測序采用先進的Illumina測序平臺，快速、高效地讀取高質量的測序數據。

合作伙伴的高性能計算平臺（High Performance Computing，HPC）采用DELL計算節點和Isilon存儲的高效組合，實現快速穩定的測序數據分析及交付。

測序深度：PE 150

服務周期：15~22個工作日

]服務內容

1.基因結構水平分析：

與參考基因組比對、新轉錄本預測、可變剪切分析、SNP分析、InDel分析。

2.基因表達水平分析：

基因表達水平分析、差異基因分析、GO/KEGG富集分析、GO/KEGG富集分析、蛋白互作網絡分析、轉錄因子注釋。

測序得到的原始測序序列（Sequenced Reads）或者 raw reads，里面含有帶接頭的、低質量的reads，為了保證信息分析質量，必須對raw reads過濾，得到clean reads，后續分析都基于clean reads。測序錯誤率與堿基質量有關，受測序儀本身、測序試劑、樣品等多個因素共同影響。測序錯誤率分布檢查可以反映測序數據的質量。

GC含量分布檢查用于檢測有無AT、GC 分離現象，而這種現象可能是測序或者建庫所帶來的，并且會影響后續的定量分析。

根據基因組的基因注釋信息，對Total mapped reads比對到基因組上的各個部分的情況進行統計。正常情況下，基因區的reads定位的百分比含量應該較高，而定位到基因間區的測序序列可能是因為基因組注釋不完全或是非編碼RNA或是背景噪聲。

一個基因表達水平的直接體現就是其轉錄本的豐度情況，轉錄本豐度越高，則基因表達水平越高。在RNA-seq分析中，我們可以通過定位到基因組區域或基因編碼區的測序序列(reads)的計數來估計基因的表達水平。

生物學重復主要有兩個用途：一個是證明所涉及的生物學實驗操作是可以重復的且變異不大，另一個是為了確保后續的差異基因分析得到更可靠的結果。樣品間基因表達水平相關性是檢驗實驗可靠性和樣本選擇是否合理的重要指標。相關系數越接近1，表明樣品之間表達模式的相似度越高。

差異表達基因以火山圖、聚類熱圖、韋恩圖等形式展示，可直觀展示樣本間差異基因表達的情況。用火山圖可直觀展示不同實驗條件下差異基因的分布情況，對于有生物學重復的實驗，由于DESeq已經進行了生物學變異的消除，我們對差異基因篩選的標準一般為padj<0.05。對于無生物學重復實驗，我們采用degseq軟件，篩選差異基因時設定更為嚴格的閾值 log2="" fold="">1且 padj < 0.005。為了增強數據的可靠度，我們建議設置生物學重復。

差異基因GO富集柱狀圖，直觀的反映出在生物過程(biological process)、細胞組分(cellular component)和分子功能(molecular function)富集的GO term上差異基因的個數分布情況。有向無環圖(Directed Acyclic Graph，DAG)為差異基因GO富集分析結果的圖形化展示方式。圖中，分支代表包含關系，從上至下所定義的功能范圍越來越小，一 般選取GO富集分析的結果前10位作為有向無環圖的主節點，并通過包含關系，將相關聯的GO Term一起展示，顏色的深淺代表富集程度。