大家好，我是孟浩巍。很高兴能够在腾讯课堂与大家见面！
我目前就读与北京大学生命科学学院，正在攻读博士学位，在多年学习生物信息学分析的过程中积累了大量经验，很愿意分享给大家。
之前在某乎平台，我创建了一系列在线课程，先后有上万人参与并获得全部好评。
此外，我还创建了名为【生信坑】的生物信息学问答网站，欢迎大家有问题到网站上进行交流！我们在【生信坑】也会每周推送生信领域最信，最热的文章，并进行简要导读。（可以百度搜索【生信坑】）
课程介绍
转录组（transcriptome）是指细胞内所有转录产物的集合，包括mRNA、rRNA、tRNA及ncRNA，狭义上的转录组一般指细胞内mRNA的集合。转录组测序数据是指对生物转录组进行高通量测序后得到的数据，简单来说转录组数据中包含了大量的基因表达情况的信息。而通常情况下，我们都认为基因表达量的变化极有可能引起相应蛋白质水平的变化，从而影响整个生物学进程。因此，目前在生物学、医学研究中，科研人员非常喜欢通过对比不同条件下转录组数据的差异基因，来获获得基因与条件的关联关系，最终帮助研究人员推断其中的因果关系。
虽然关于转录组测序数据分析的课程已经非常多，甚至有非常多的质量上乘的免费课程，但是这些课程绝大多数是从实战的角度出发，提供一套作者认为合理的数据处理流程，而忽略或者是很少提及背后的原理。他们之中鲜有能够从数据质控，比对算法，统计原理，单样本多样本比较差异等方面比较全面介绍转录组数据分析；同时还能够将不同软件和流程放在一起比较实战操作的。也基于此，我们推出了本次的课程——“高级生信系列课程：转录组数据分析”。
本次课程是“高级生信系列课程”的第一堂课。课程将比较详细和深入地介绍转录组数据的实验原理，数据质控原理，测序结果比对算法，差异表达分析的统计学原理，并结合已发表的高分文章的真实数据，进行实战操作。同时，针对复杂的多样本问题，将介绍一些常用的分析思路，如WGCNA等。在让大家能够上手操作的同时，还能深入理解数据背后选择软件和使用某一特定流程的理由。
相信，通过本次课程的学习，你一定能有所收获，为日后更复杂的生物信息学数据分析工作打下坚实的基础。
本次课程会带着大家对真实的数据进行分析，并把全部代码及可视化绘图结果分享给大家！
课程大纲
第1部分 RNA Seq的基础知识
1. RNA-Seq的生物学基础
2. RNA-Seq的发展历史
3. RNA-Seq及常用测序技术
- Illumina
- PacBio
- Nanopore
- MGI2500（华大智造）
4. RNA-Seq的常用建库流程
- Poly A + 方式
- rRNA - 方式
- 链特异性 方式
5. RNA-Seq的常用质控指标
- 测序质量
- RIN
- 降解曲线
- 分布比例
6. RNA-Seq数据质控流程推荐
7. RNA-Seq分析流程概览
第2部分 RNA-Seq的mapping
1. RNA-Seq与WGS的mapping异同
2. Tophat2和Hisat2
3. STAR
4. Tophat2, Hisat2, STAR的比对算法 (*算法)
第3部分 RNA-Seq的定量及标准化
1. 几种常用的指标
- Count
- TMM
- CPM
- FPKM
- RPKM
- TPM
- RSEM
2. TPM与FPKM的比较
3. RSEM的原理
第4部分 寻找差异表达基因
0. RNA-Seq差异统计检验的基本假设
1. 方便快捷：cuffdiff2的使用与统计学原理
2. 基于count：edgeR的使用与统计学原理
3. 基于count：DESeq2的使用与统计学原理
4. 基于count：limma-voom的使用与统计学原理
4. 特殊样本RNA-Seq差异表达基因的寻找
- 使用ERCC control进行校正
- 使用house keeping gene进行校正
第5部分 RNA-Seq的注释分析
1. GO的原理及实现（David网站 + R语言）
2. GSEA的原理及实现（R语言）
3. KEGG的原理及实现（R语言）
4. 非模式生物的富集分析（R语言)
第6部分 多样本RNA-Seq分析
1. WGCNA
2. 多样本下差异表达的分析
3. 常见的多样本方法
- PCA
- 聚类
- tSNE
* 讲授顺序以实际课程为准
