轉錄組分析需要哪些儀器

『壹』 DNA實驗室有哪些標準的儀器設備配置

一般來說，需要一台高通量的基因分析儀，兩台PCR擴增儀，一台純水儀、一台DNA純化儀，以及離心機、保溫儀、振盪器、生物安全櫃、移液器、冰箱等若干，您也可以根據實驗室的大小和自己的需求增加別的儀器。建議您不太了解的話，可以先找CEIDI西遞咨詢一下，我們之前做實驗室時這家公司給了我們很多專業的意見，挺靠譜的。

『貳』 western blot實驗都需要哪些儀器

western blot實驗都需要的基礎儀器有： 電泳儀，制膠板，電泳槽，濕轉的轉膜槽或者半干轉儀，脫色搖床，暗室，X光片，紅外燈，成像儀，一些基礎耗材和試劑等 基本上生化實驗室要做western blot還是很容易的

『叄』 生化實驗室常用的分析儀器都有哪些

細胞生物學以及分子生物學實驗室常用儀器設備有：
烘箱、高壓滅菌器、二氧化碳培養箱、生物安全櫃、低溫保存箱、分析天平、普通天平、移液器、離心機、倒置顯微鏡、PCR儀、電泳儀、脫色搖床等。
而微生物實驗室常用儀器設備有：
恆溫培養箱、黴菌培養箱、生化培養箱、超凈工作台、高壓滅菌器、烘箱、加熱板、電爐、分析天平、普通天平、磁力攪拌器、水浴鍋、搖床、離心機、低溫保存箱、移液器、PH計、分光光度計、光學顯微鏡、掃描顯微鏡、均質器等。
組織培養實驗室常用儀器有：
高壓滅菌器、烘箱、搖床、光照培養箱、人工氣候培養箱、分析天平、普通天平、超凈工作台等。

而從實驗室工作流程來看，則分為樣品保存、樣品前處理、培養過程、觀察分析等。在不同的工作環節則需要不同的儀器。一般來說，樣品保存常用儀器有冰箱/超低溫冰箱、液氮罐等。樣品前處理常用儀器有移液器、天平、均質/攪拌系列、離心機、凍干機、高壓滅菌器以及電泳儀等。

在培養過程常用實驗室儀器有培養箱系列、生物安全櫃/超凈工作台、發酵罐、搖床、水浴、轉瓶機、PCR儀、酶標儀等。觀察分析時常用儀器有顯微鏡、菌落計數儀、流式細胞儀、DNA測序儀、高效色譜系列等。在生物實驗室中還可能會用到洗瓶機、超純水系列、超聲波清洗機等儀器。
簡單介紹下幾款儀器設備的作用：
顯微鏡： 用於放大微小物體成為人的肉眼所能看到的儀器
電子秤：是用來對貨物進行稱重的自動化稱重設備,通過感測器的力電轉換,經稱重儀表處理來完成對貨物的計量,適用於各種散貨的計量。
離心機： 該機適用於生物,化學,遺傳學,醫葯學,醫院,實驗室對學業,生物體,葉綠素,蛋白核酸等液體混合物的分離。
電子天平： 是實驗室分析或質量控制所必須的儀器,具有稱量大,精度高,在較差使用環境下亦可達到精密稱量的要求。
乾燥箱 ：是一種常用的實驗室儀器設備,主要用來乾燥樣品,也可以提供實驗所需的溫度環境。
實驗室其它的輔助器材：
1、吸濾瓶、布氏漏斗2、三腳架 3.混三角 4、鐵夾5、鐵環 6、鐵架台7、洗瓶 8、試管架
9、錐形瓶 10、量筒11、漏斗 12、燒杯 13、滴瓶14、表面皿 15、細口瓶 16、葯勺 17、稱量瓶 18、乾燥器 19、廣口瓶 20、石棉網2l、蒸發皿 22、毛刷23、滴管 24、研缽25,試管夾 等等
不明白的可以問我，希望對你有些用處

『肆』 轉錄組分析(3) - 質量控制

現在的NGS測序，以illumina為首基本都是運用 邊合成邊測序 的技術。鹼基的合成依靠的是化學反應，這使得鹼基鏈可以不斷地從5'端一直往3'端合成並延伸下去。 但在這個合成的過程中隨著合成鏈的增長，DNA聚合酶的效率會不斷下降，特異性也開始變差，這就會帶來一個問題——越到後面鹼基合成的錯誤率就會越高 ；有時候測序儀在剛開始進行合成反應的時候也會由於反應還不夠穩定，同樣會帶來質量值的波動。由於測序數據的質量好壞會影響我們的下游分析，所以在開始進行下游分析之前，對數據的質量有一個准確的認知是非常有必要的。

命令比較簡單，這里 唯一值得注意的地方就是 -o 參數用於指定FastQC報告的輸出目錄 ，這個目錄需要事先創建好，如果不指定特定的目錄，那麼FastQC的結果會默認輸出到文件untreated.fq的同一個目錄下。它輸出結果只有兩個，一個html和一個.zip壓縮包。

關於測序數據的質量，我們一般關注以下幾個方面：(1) read各個位置的鹼基質量值分布；(2) 鹼基的總體質量值分布；(3)read各個位置上鹼基分布比例，目的是為了分析鹼基的分離程度；(4) GC含量分布；(5) read各位置的N含量；(6) read是否還包含測序的接頭序列；(7)read重復率，這個是實驗的擴增過程所引入的。其中主要指標為鹼基質量與含量分布，如果這兩項不合格，其餘都會受到影響。

Filename, 質控文件名；Encoding, 測序平台；Total Sequences, reads數量；Sequence Length, reads長度；%GC, GC含量

此圖中的橫軸是read上鹼基的位置，縱軸是質量得分，Q = -10*log10（error P）即20表示0.01的錯誤率，30表示0.001，圖中紅線表示中值，藍色的細線是各個位置的平均值的連線。 Warning 警告：如果任何鹼基質量低於10,或者是任何中位數低於25； Failure 不合格：如果任何鹼基質量低於5,或者是任何中位數低於20。
好的測序結果中，大部分質量值的分布都在大於30的綠色背景的區域，表明質量值很高，而且波動很小，說明質量很穩定。差的測序結果中，質量值的分布都在小於20的紅色背景的區域，表明質量值很差，有大量的質量差的reads，並且波動很大，對於這種結果，最好重新測序，如果實在要用於分析，應該將這些低質量的reads過濾掉以後進行下游分析。

該圖橫軸Q值，縱軸是每個值對應的reads數目。reads的質量值是指該條read每個位置Q值的平均值。只要大部分read的質量都高於20，那麼就比較正常。一般來說，對於二代測序， 最好是達到Q20的鹼基要在95%以上（最差不低於90%），Q30要求大於85%（最差也不要低於80%） 。

這個圖橫軸是read上鹼基的位置；縱軸是百分比，圖中四條線代表A、T、C、G在每個位置平均含量。這個指標是為了分析鹼基的分離程度。理論上，假如測序過程是比較隨機，A和T應該相等，G和C應該相等，兩者之間即使有偏差也不應該太大，最好平均在1%以內。如果過高，除非有合理的原因，比如某些特定的捕獲測序所致，或者測序剛開始的時候測序儀狀態不穩定，否則都需要注意是不是測序過程產生偏差。

該圖橫軸是0 - 100%； 縱軸是每條序列GC含量對應的數量，藍色的線是程序根據經驗分布給出的理論值，紅色是真實值，兩個應該比較接近才比較好。GC含量指的是G和C這兩種鹼基占總鹼基的比例。二代測序平台或多或少都存在一定的測序偏向性，GC含量可以協助我們判斷測序過程是否足夠隨機。一般基因組的GC含量有一個理論值，例如人類基因組的GC含量一般在40%左右。因此，如果發現GC含量的圖譜明顯偏離理論值，說明測序過程存在較高的序列偏向性，結果就是基因組中某些特定區域被反復測序的幾率變高，這些區域的測序深度遠高於平均測序深度，這將會影響下游的變異檢測和CNV分析。

這個圖橫軸是read上鹼基的位置；縱軸是含N的比例。 Warning 警告 如果任意位置的N比例超過5%， Failure 不合格 如果任意位置的N比例超過20%。N在測序數據中一般是不應該出現的，如果出現則意味著，測序的光學信號無法被清晰分辨，測序儀器不能辨別某條reads的某個位置都是ATCG哪個鹼基，如果這種情況多的話，往往意味著測序系統或者測序試劑的錯誤。

這個圖橫軸是read上鹼基的位置；縱軸是含各種接頭的比例。當測序read的長度大於被測序的DNA片段時，就會在read的末尾測到這些接頭序列。由於有些RNA的序列本來就比較短，很多隻有幾十bp長（特別是miRNA），那麼測序的時候就很容易會出現read測通的現象，這個時候就會在read的末尾測到這些接頭序列，此時，在圖中的3『端位置，adapter的比例曲線會上升。這些被測到的接頭序列在正式分析之前需要被切除。

統計序列完全一樣的reads的頻率。橫坐標是plication的次數，縱坐標表示各重復次數下的 reads 數占總 reads 的百分比，藍線展示所有 reads 的重復情況，紅線表示在去掉重復以後，原重復水平下的 reads 佔去重後 reads 總數的百分比； Warning 警告 非 unique 的 reads 占總 reads 數的 20 % 以上， Failure 不合格 占總 read 數的 50 % 以上。

Fastqc每次對一個樣本進行質量控制並生成評估報告，當樣本數量過多時，查看報告顯然極不方便。Multiqc能將fastqc生成的多個報告整合成一個報告（HTML和PDF格式），方便的查看所有測序數據的質量。Multiqc支持多種分析類型的質控結果查看，包括：RNAseq、Whole-Genome Seq、Bisulfite Seq、Hi-C等。

『伍』 做有機成分分析實驗 通常需要什麼儀器

需要的成分分析儀器主要要有：
1、分析天平；
2、色譜儀；
3、分光光度計；
4、層析儀；
5、質譜儀。

『陸』 儀器分析實驗都有哪些儀器

一起分析方法主要有：
一、電化學分析法
需要儀器：電極、pH計（用來跟電極配套使用的）、庫侖儀等
二、色譜分析法
常用的就是氣相、液相色譜,此外還有離子色譜等
三、光學分析法
熒光光譜儀、紫外分光光度計、傅里葉變換紅外光譜分析儀、原子吸收光譜、X-射線單晶衍射儀、粉末多晶衍射儀等等
四、質譜法
質譜分析儀
如果你想要開展這些實驗的話,難度還是不小的,畢竟搞定一台就需要一定時間了.

『柒』 什麼是轉錄組分析

轉錄組分析指對細胞內所有轉錄產物的集合的分析。

轉錄組（transcriptome）廣義上指某一生理條件下，細胞內所有轉錄產物的集合，包括信使RNA、核糖體RNA、轉運RNA及非編碼RNA；狹義上指所有mRNA的集合。

轉錄組測序一般是對用多聚胸腺嘧啶（oligo-dT）進行親和純化的RNA聚合酶II轉錄生成的成熟mRNA和ncRNA進行高通量測序。

相對於傳統的晶元雜交平台，轉錄組測序無需預先針對已知序列設計探針，即可對任意物種的整體轉錄活動進行檢測，提供更精確的數字化信號，更高的檢測通量以及更廣泛的檢測范圍，是目前深入研究轉錄組復雜性的強大工具。

(7)轉錄組分析需要哪些儀器擴展閱讀：

轉錄組測序的技術路線：

樣品要求：

1、樣品純度要求： total RNAOD值應在1.8至2.2之間；電泳檢測28S:18S至少大於1.5。

2、樣品濃度： total RNA濃度不低於400ng/ul；樣品總量不低於15ug;目前最新的樣品建庫要求降低到1ug,濃度大於50ng/ul即可。

3、提供total RNA樣品具體濃度、體積、制備時間、溶劑名稱及物種來源。請同時附上QC數據，包括電泳膠圖、分光光度或Nanodrop儀器檢測數據。如需進行多次樣品制備，需要提供多次樣品制備所需樣品。

『捌』 轉錄組分析入門 1 —— 背景知識

👉 mRNA：最常見的轉錄組測序，建庫一般選200-300bp的片段，PE150或125測序

👉 microRNA： 將microRNA分離出來直接單獨測序

👉 IncRNA： 長鏈非編碼RNA，有正向、反向轉錄，要進行 鏈特異性建庫

【 關於鏈特異性建庫： 作用就是測序過程保留轉錄本的方向信息，讓我們知道轉錄本是來自正義鏈還是反義鏈。方便後來區分不同的IncRNA類型以及它的定位，可以更准確獲得基因結構和表達信息。】

👉 提取：

👉 純化：

👉 檢測是否合格的指標：

👉 分離RNA=》將RNA打斷成小片段=》將小RNA片段反轉錄成DNA（DNA更穩定更容易擴增）=》加接頭=》PCR擴增 =》質量檢查QC

具體： 總RNA樣本檢測合格後，對於真核生物，用帶有Oligo（dT）的磁珠富集mRNA，對於原核生物，用試劑盒去除rRNA，向得到的mRNA中加入Fragmentation Buffer使其片斷成為短片段，再以片斷後的mRNA為模板，用六鹼基隨機引物合成cDNA第一鏈，並加入緩沖液、dNTPs、RNaseH和DNA Polymerase I合成cDNA第二鏈，經過QIAQuick PCR試劑盒純化並加EB緩沖液洗脫。洗脫純化後的雙鏈cDNA再進行末端修復、加鹼基A、加測序接頭處理，然後經瓊脂糖凝膠電泳回收目的大小片段並進行PCR擴增，從而完成整個文庫制備工作。
註：
【RNA片段化目的：RNA長達幾kb，測序儀器只能測200-300bp長度的短片斷。
反轉錄目的：DNA更穩定更容易擴增。
接頭作用：1⃣️ 使測序機器識別片段 2⃣️可同時測多個樣品。
PCR擴增：只有加了接頭的片段才能被擴增。】

目前二代測序主要採用 Illumina平台

一般：質控-》比對(alignment or mapping)-》估算表達量(read counting)-》表達量比較(differential expression)。

👉 原始數據： Illumina測序儀下機的數據通常為Bcl格式，然後公司使用Bcl2Fastq軟體，根據Index序列分割轉換成每個樣品的Fastq文件，用戶拿到的就是fastq格式的原始數據。

👉 質控： 使用fastqc，查看鹼基質量、接頭情況、GC含量、序列長度、重復序列等

👉 過濾： 一般需要去掉低質量鹼基或者未識別鹼基（N）太多的reads；另外如果測序文庫的插入片段太短，比如insert size=50，但採用PE 150測序，read1和read2就會測到接頭，所謂的「測通「就是這意思，此時需要去掉接頭序列。有時會出現兩個接頭連在一起的情況，也需要去掉。

不同的比對流程 👇

上圖來自文章 A survey of best practices for RNA-seq data analysis, 2016, GB

👉HISAT2是TopHat2的升級版，該軟體使用改進的BWT演算法（Sirén et al. 2014）將參考基因組轉換成index，實現了更快的速度和更少的資源佔用。
【先將大的基因組序列打斷成許多小片段，然後為了方便接下來尋找這些片段，需要對他們進行構建索引index（目的就是標注每個小片段的位置），再將測序的reads和基因組一樣，也是打斷成小片段，然後把它的小片段比對到基因組的小片段上，比對上的會給出位置信息。】
【註：index比對的方法也避免由於某個鹼基不匹配導致整段reads比對不上的結果】

👉 Counts：與轉錄本重疊的reads數。

👉 RPKM/FPKM：Reads/Fragments per kilobase of transcript per millions of read mapped

【建庫測序是一個隨機抽樣的過程，而這個抽取的樣品實際上是以 Fragments 為單位，而不是 Reads。因此，使用FPKM更為合理。當 single-end 測序的時候，RPKM 與 FPKM 是等價的；當 pair-end 測序的時候（一個fragment對應兩條reads），應該使用 FPKM。】

👉 TPM: Transcripts per million reads
【當樣本差異過大，要強調准確度或者定量目標基因的表達量的時候，TPM是最有效的。TMP先處理基因長度問題，再處理測序深度。】

目的： 1⃣️ 告訴我們是否能看到對照組與處理組直接的差異；2⃣️ 為下游的分析去掉其中不可靠的數據。

～～未完待續～～

以上內容參考：
1. 劉小澤：簡單理解RNA-Seq
2. 劉小澤：轉錄組謎團
3. 劉小澤：轉錄組那些事兒 Part I
4. 生信星球轉錄組培訓第一期Day1--善良土豆
更多資料：
視頻 StatQuest: A gentle introction to RNA-seq
講義 http://www.mi.fu-berlin.de/wiki/pub/ABI/GenomicsLecture12Materials/rnaseq1.pdf

『玖』 請問實驗室中分析儀器都包括哪些儀器

首先要給所有的儀器建台帳，每台儀器的檔案要有以下內容：
說明書
合格證
操作說明
保養記錄
維修記錄
使用記錄
檢定證書（必需要有，由當地計量所發）

『拾』 轉載---[轉錄組] 轉錄組專題——關於樣本重復性問題小技巧

目前，轉錄組測序仍是應用最廣的高通量測序技術之一，很多研究課題是關於基因表達潛在的機制，並已經發現了一些現象，但分子機制還不清楚。而做轉錄組測序特別適合用於分子機制探究，可以獲得樣本中幾乎所有的mRNA信息。關於轉錄組領域的研究，應用范圍極為廣泛。如可研究同一個體不同組織之間的基因表達差異；或者不同的外界處理條件下（病毒、光照、紫外、乾旱、高溫和高鹽脅迫等），對基因表達的影響。

在我們正式進行轉錄組數據分析之前，需要先對組內生物學重復（一般設置3個生物學重復）進行樣本關系分析，判斷組內重復性效果的好壞，是否有離群樣本。應廣大研究者之需，本期針對大家比較關心的樣本重復性問題進行探討，力爭為各位老師在科研之路上帶來幫助。

在進行問題討論之前，首先我們對可能會困擾大家的關於什麼是生物學重復和技術學重復的問題進行區分。

①生物學重復： 指同一處理下不同的生物學樣品。由於遺傳和環境等因素的影響會引起生物體的個體差異，因此需要採用生物重復的實驗設計方法來降低該差異。一般的實驗設計中，都會包括實驗組和對照組。如下圖A實驗組包含3隻小鼠，那麼這3隻小鼠，經過相同的實驗處理，分別測組織的RNA-seq，即為一組生物學重復。

②技術重復： 簡單來說就是對同一生物體樣品進行重復地檢測。如下圖B、C，都屬於技術重復。對於第一種技術重復，重點是檢測RNA-seq方法的准確度。比如當發現了一個新的檢測基因表達量的方法，就需要用這種重復來驗證（圖1 B）；第二種技術重復重點是這個小鼠本身的基因表達水平（圖1 C）。

圖1 生物學重復和技術重復

那麼接下來，我們正式切入主題，針對樣本重復性問題進行探討。

『1. 生物學重復必須要設置嗎？』

答：需要。生物學實驗中，生物體往往存在異質性，常常需要設置重復，以此確保不是個體的偶然變異對結果產生的影響[1]。若不設置組內生物學重復，在投稿時也會受到審稿人的質疑。我們無法判斷組內差異所佔的比例有多大，可能獲得的差異表達基因僅僅是少數個體差異的表現，並不能反映是真正處理效應導致的差異。設置生物學重復可以評估組內誤差，降低背景差異，檢測離群樣本，增強結果的可靠性。

Tips

組間差異是由組內差異和處理效應共同導致的[2]。組內差異包括采樣個體間的差異、實驗操作誤差等等，這些差異是我們在實驗時要盡可能降低的。而組內誤差主要由生物學誤差和技術誤差引起的。

圖2 組間差異和組內差異

『2. 每個處理推薦多少個生物學重復呢？』

答：不同的實驗樣品，由於外界因素導致的個體之間的差異或實驗操作導致的誤差可能不同。因此，針對不同的樣品所推薦的組內生物學重復也有所差別[3]。

    ① 對於動植物樣品，建議3~5個生物學重復，對生物學樣品之間做相關性檢驗，提高實驗結果的可信度；

    ② 對於細胞樣品，生物學重復之間的差異性相對較小，建議3個以上生物學重復；

    ③ 對於臨床樣品，由於供試者的基因型、生活方式、生活環境、年齡、性別可能存在較大差異，可能需要更多的生物學重復，一般10個生物學重復以上[4]。

Tips

在轉錄組測序時，一般不建議設置兩個重復。因為如果兩個重復樣品結果不一致，無法確定以哪個數據為參考。

『3. 用於判斷組內重復性好壞的常用工具有哪些？』

答：在實際分析過程中確認組內重復性的好壞方法有很多，可進行樣本的PCA，可計算兩兩樣本的相關系數，或者繪制樣本聚類圖、重復性散點圖多種方式綜合判斷。在實際分析中，通常結合PCA和相關性系數綜合判斷樣本是否離群。

    ① PCA：詳見Question 4；

    ② 相關系數：通常計算兩個樣品之間的Pearson或Spearman相關系數判斷組內重復性情況。相關系數越接近1，樣品間相似度越高。一般情況下，組內生物學樣本相關系數大於組間樣本，則表明組內重復性較好；

    ③ 樣本聚類樹：可用於判斷在不同實驗條件下的表達模式。依據樣品的表達譜進行聚類，樣品之間重復性較好時通常會聚在同一分支下。如果組內樣本重復性較差可能會呈現無規則的聚類形式；

    ④ 重復性散點圖：展示組內樣本的重復性情況。圖中偏離對角線的點越少，樣品間的相關性越高，重復性越好。

圖3 Omicsmart中樣本關系分析圖形

『4. PCA是什麼？怎麼看？』

答：主成分分析（Principal Component Analysis，PCA）是一種線性降維演算法。用方差（Variance）來衡量數據的差異性，將高維數據用某幾個綜合指標來表示。將原本鑒定到的所有基因的表達量重新線性組合，形成一組新的綜合變數，同時根據所分析的問題從中選取2-3個綜合變數，使它們盡可能多地反映原有變數的信息，從而達到降維的目的。如PC1（Principal Component 1）和PC2（Principal Component 2）為降維後獲得的兩個主成分因子，可分別從數據差異性最大和次大的方向提取出來。

在樣本關系分析過程中，PCA可以讓我們非常直觀地看出各個樣本之間的相似性。關於轉錄組測序，我們可能獲得上萬個基因的表達信息，那麼利用PCA可將樣本所包含的上萬個維度的信息（上萬個基因的表達量），降維至某些維度的綜合指標（主成分）表示。一般選取PC1和PC2，來解釋樣本間的重復性好壞與組間樣本的差異度。如下圖PCA散點圖，組內樣本呈現相互聚集，說明組內的重復性比較好。

圖4 Omicsmart在線報告PCA圖

Tips

在文章中，也會看到三維的PCA圖。這時選取了PC1，PC2，PC3去解釋樣本間的距離。PC1+PC2（+PC3）越大，對方差解釋度越大，越具有說服力。

『5. 相關性系數分析時，相關系數達到多少可認為組內重復性效果好？』

答：一般情況下，計算相關性系數時，對於生物學重復（如采樣時個體差異）之間的相關系數依據經驗建議在0.7以上較好；對於技術重復（實驗操作、實驗儀器等）之間的相關系數依據項目經驗來說在0.85以上比較合理。

Tips

關於相關系數如何計算，可能還存在不少的困惑。我們在這里也解釋一下。對於轉錄組數據，可以利用樣本的表達譜來計算樣本間的相關性，通過計算相關系數r來評估每組樣本的生物重復性。最常用的度量是Pearson和Spearman相關系數。

那麼在實際分析中，這兩種計算方式應該如何選擇呢？

我們首先簡單了解二者的區別。對於Pearson相關系數很簡單，主要用來衡量兩個數據集的線性相關程度。而Spearman相關系數它不關心兩個數據集是否線性相關，所關注的是單調相關。所以Spearman相關系數也稱為等級相關或者秩相關（即rank）。從下圖中我們可以更好的理解，如果對數據進行線性變換（y=ax+b；a≠0），兩者相關系數的絕對值都不會發生變化（圖5 A）；如果對數據進行單調但不是線性的變換，比如最常見的log scale，Spearman相關系數的絕對值也不會發生變化[5]（圖5 B）。這時我們就可以知道，兩者的前提假設就不同，Pearson相關假設數據集在同一條直線上，而Spearman只要求單調遞增或者遞減，所以Pearson的統計效力一般情況下比Spearman要高。但是更重要的是，我們需要根據實際情況選擇正確的假設。比如，某個實驗做了3次生物學重復，那有理由假設這3次重復線性相關。而如果是一個基因和另一個受到調控的基因的表達水平，或者某個基因順式作用元件的染色質開放程度，和這個基因表達水平之間的關系就可能需要假設單調相關。

圖5 Pearson和Spearman相關系數

關於兩者的特點也有所不同，若想要深入學習二者的演算法特徵，可回顧往期文章 《相關系數第一彈：哪哪都能看到的皮爾森相關》 和 《相關系數第二彈：斯皮爾曼相關》 ，都有詳細的解釋喲。

『 6. PCA和相關系數的演算法，哪個更能判斷樣本的重復性？為什麼？』

答：相關系數。因為PCA為把對樣品貢獻大的信息保留，所描述的是整體所有組的特徵；而相關系數直接呈現的是兩組樣品之間的相關程度。若相關系數越高，表明兩組樣品之間的相關程度越高，即重復性越好。

『7. 樣本離群了，還能用於分析嗎？』

答：首先判斷離群程度，若離群程度較小，則可以嘗試設置閾值，縮小基因范圍，再次重新進行相關性分析判斷樣本是否離群。若離群程度很大，對後續差異分析的結果造成了很大的影響，那麼可以考慮將該樣本剔除，再進行後續差異分析等等。

Tips

轉錄組測序通常要求設置3個生物學重復樣本，如果樣本足夠多，建議比預期實驗設計多送1~2個樣本測序，以便後續某個樣品與組內其它樣本出現離群情況，直接剔除離群樣本，省時省力。若測序樣本較少，無法剔除樣本，也可以考慮對同一批次的備份樣本再次測序，後續再重新分析。

以上就是今天的關於樣本關系分析問題，在此也向廣大研究者徵集相關問題，如有疑問，歡迎下方留言。或者也可登錄基迪奧OmicShare論壇，搜索和討論更多相關知識。

論壇網址：

https://www.omicshare.com/forum/

▼參考文獻▼

[1] Robles, José A et al. Efficient experimental design and analysis strategies for the detection of differential expression using RNA-Sequencing. BMC genomics vol, 13 484. 17 Sep. 2012, doi:10.1186/1471-2164-13-484

[2] Hansen, K., Wu, Z., Irizarry, R. et al. Sequencing technology does not eliminate biological variability. Nat Biotechnol. 29, 572–573. 2011,  https://doi.org/10.1038/nbt.1910

[3] Todd E V, Black M A, Gemmell N J. The power and promise of RNA-seq in ecology and evolution[J]. Molecular ecology, 2016, 25(6): 1224-1241

[4] Liu Y, Zhou J, White K P. RNA-seq differential expression studies: more sequence or more replication?[J]. Bioinformatics, 2013, 30(3): 301-304

[5] Trost B, Moir CA, Gillespie ZE, et al. Concordance between RNA-sequencing data and DNA microarray data in transcriptome analysis of proliferative and quiescent fibroblasts. R Soc Open Sci. 2015, 2(9):150402. doi:10.1098/rsos.150402