转录组测序是对特定组织 / 细胞在某一状态下的全部转录产物（mRNA 与非编码 RNA）进行高通量测序，全面获取基因表达、可变剪接、新转录本等信息，用于解析基因功能、调控网络、疾病机制与分子标志物的核心技术。

真核有参转录组测序依托Illumina 高通量测序平台，将测序数据与参考基因组比对，完成表达定量、差异分析、功能注释与机制挖掘，是基础研究、临床诊断、新药研发与分子育种的主流技术。

产品热点

1、数据全面精准：一次性获取样本全部转录本信息，覆盖编码与非编码 RNA，检测灵敏度高、数据量大。

2、分析深度完整：从数据质控、基因组比对、基因定量到差异分析、功能富集、网络分析一站式完成。

3、应用场景广泛：适用于发育机制、疾病致病机理、药物响应、分子标记筛选、调控网络解析。

4、结果标准化：提供用于论文发表的图表(可个性化定制)、表格与结题报告，降低科研落地成本。

5、技术成熟稳定：流程标准化、重复性好，支持多样本、多时间点实验设计。

分析流程

分析内容

1. 数据质控

• 原始数据评估：碱基质量、GC 含量、接头污染、重复序列
• 低质量数据过滤，获得高质量 Clean Reads。

2. 参考基因组比对

• 原始 mRNA 序列被随机切割成短⽚段，为定位这些⽚段在参考基因组上的对应位置，我们采⽤HISAT2 软件[2] 将经过质控获得的 clean data reads 与参考基因组进⾏⽐对。

3. 新转录本预测

3.1 StringTie软件组装转录本（注,优势：Ⅰ、能够重构出完整性更高的转录本；Ⅱ、所获得的转录本具有更高的精确度；Ⅲ、组装速度更快。）；

3.2 GffCompare软件鉴定新转录本。

4. 定量分析

• 利用subRead软件包中的featureCounts工具[11]计算基因水平的count值，输出文件为gene_count.xls。关键参数设置为：-p -t exon -g gene_id。该软件统计的是fragment count，即将一对配对读段作为一个整体片段进行计数。

4.1 测序reads饱和度分析：附上全部样本的测序 Reads 饱和度分析曲线；

4.2 基因表达分布：为了直观展示各样本中基因表达量的整体分布情况，我们基于所有样本全部基因的TPM值，使用R语言绘制了“小提琴图”和“箱线图”；

4.3 样本间相关性：利用各样本的TPM或FPKM表达量矩阵，计算两两样本之间的相关系数，通过⽐较这些系数的⼤⼩，可以初步判断同一实验分组内生物学重复的稳定性；
4.4 样本降维分析：主成分分析（PCA）、UMAP降维分析、多维尺度分析（MDS）；

5. 组间差异分析

5.1  基因水平：需通过统计学方法筛选出在不同实验条件下呈现显著差异的基因，该过程通常包含四个主要环节：基因过滤、数据标准化、假设检验、多重检验校正；
5.2  功能水平（GSVA）：GO基因集，KEGG基因集；

（注：GSVA(Gene Set Variation Analysis，基因集变异分析)是一种无监督的生物信息学分析方法，主要用于评估单个样本中基因集或信号通路的活性程度。它通过将基因表达矩阵转化为基因集富集分数矩阵，实现在无预先分组情况下对样本功能状态的定量分析）

6. 富集分析

6.1 GSEA富集分析：GO富集分析、KEGG富集分析

6.2 ORA富集分析：GO富集分析、KEGG富集分析

7. 蛋白互作网络分析

• PPI分析（Protein-Protein Interaction Analysis，蛋白质相互作用分析）是基于已知或预测的蛋白质互作关系数据库，将差异表达基因编码的蛋白质映射到STRING互作网络中，以揭示蛋白层面的协同调控关系与潜在核心功能模块（核心基因与互作模块挖掘）。

8.WGCNA 加权共表达网络

• WGCNA （Weighted Gene Co-expression Network Analysis，加权基因共表达网络分析）是一种从基因表达数据中寻找“抱团行动”基因群体的方法。它不关心单个基因的表达高低，而是关注哪些基因的表达模式总是步调一致——你高我也高，你低我也低，或者步调正好相反。这些步调一致的基因往往在细胞里干着同一类活，或者受同一个开关控制。（鉴定模块、模块关联表型、模块功能富集）。

转录组测序适用领域