]样本量要求

]技术参数

检测平台：全基因组测序采用先进的Illumina测序平台，快速、高效地读取高质量的测序数据。

合作伙伴的高性能计算平台（High Performance Computing，HPC）采用DELL计算节点和Isilon存储的高效组合，实现快速稳定的测序数据分析及交付。

测序深度：PE 150

服务周期：15~22个工作日

]服务内容

1.基因结构水平分析：

与参考基因组比对、新转录本预测、可变剪切分析、SNP分析、InDel分析。

2.基因表达水平分析：

基因表达水平分析、差异基因分析、GO/KEGG富集分析、GO/KEGG富集分析、蛋白互作网络分析、转录因子注释。

测序得到的原始测序序列（Sequenced Reads）或者 raw reads，里面含有带接头的、低质量的reads，为了保证信息分析质量，必须对raw reads过滤，得到clean reads，后续分析都基于clean reads。测序错误率与碱基质量有关，受测序仪本身、测序试剂、样品等多个因素共同影响。测序错误率分布检查可以反映测序数据的质量。

GC含量分布检查用于检测有无AT、GC 分离现象，而这种现象可能是测序或者建库所带来的，并且会影响后续的定量分析。

根据基因组的基因注释信息，对Total mapped reads比对到基因组上的各个部分的情况进行统计。正常情况下，基因区的reads定位的百分比含量应该较高，而定位到基因间区的测序序列可能是因为基因组注释不完全或是非编码RNA或是背景噪声。

一个基因表达水平的直接体现就是其转录本的丰度情况，转录本丰度越高，则基因表达水平越高。在RNA-seq分析中，我们可以通过定位到基因组区域或基因编码区的测序序列(reads)的计数来估计基因的表达水平。

生物学重复主要有两个用途：一个是证明所涉及的生物学实验操作是可以重复的且变异不大，另一个是为了确保后续的差异基因分析得到更可靠的结果。样品间基因表达水平相关性是检验实验可靠性和样本选择是否合理的重要指标。相关系数越接近1，表明样品之间表达模式的相似度越高。

差异表达基因以火山图、聚类热图、韦恩图等形式展示，可直观展示样本间差异基因表达的情况。用火山图可直观展示不同实验条件下差异基因的分布情况，对于有生物学重复的实验，由于DESeq已经进行了生物学变异的消除，我们对差异基因筛选的标准一般为padj<0.05。对于无生物学重复实验，我们采用degseq软件，筛选差异基因时设定更为严格的阈值 log2="" fold="">1且 padj < 0.005。为了增强数据的可靠度，我们建议设置生物学重复。

差异基因GO富集柱状图，直观的反映出在生物过程(biological process)、细胞组分(cellular component)和分子功能(molecular function)富集的GO term上差异基因的个数分布情况。有向无环图(Directed Acyclic Graph，DAG)为差异基因GO富集分析结果的图形化展示方式。图中，分支代表包含关系，从上至下所定义的功能范围越来越小，一 般选取GO富集分析的结果前10位作为有向无环图的主节点，并通过包含关系，将相关联的GO Term一起展示，颜色的深浅代表富集程度。