用前必读
1,输入数据格式(标题、行、列)必需与示例一致,请仔细看右侧说明和示例,标能缺,不能有中文,特殊符号等
2,推荐使用excel存储并调整数据(wps不行),然后粘贴到输入框
3,修改文字、字体,图例位置,处理文字截断等图片编辑,请参考inkscape实操
4,更多干货,请右下扫码,关注”微生信“公众号或加群讨论!
注意:1,不要用微信打开,用浏览器,推荐edge或chrome!
2,分析、作图失败,请对照示例检查输入数据格式!
3,智能客服  人工客服  基因名转换  svg编辑器  FC,P转换  常用配色  影响因子  输入检查

必需输入
原始表达矩阵(行是基因,列是样品,count必需是正整数,可以为0,不能为空或者NA
首列是基因名,必需唯一;其他列为每个样品的count,样品名必需唯一)
数据较少,直接粘贴

数据较多(上传tab分割的txt文件,文件名用英文,不能超过10M)


比较方式
共5列:1)A组样品,2)B组样品,3)A组组名,4)B组组名,5)unpaired或者paired
1、2列样品间以英文逗号分隔,所有名字不要用特殊符号


可选输入
低表达量过滤(行的和小于该值的基因会丢掉,DESEq2官网说过滤不是必需的,默认不过滤)


默认输出全部结果,请下载后使用excel筛选差异基因

DESeq2在线分析操作步骤

转录组原始count矩阵DESeq2差异表达分析

简介
本模块调用DESeq2对转录组原始表达矩阵(count)进行标准化,并执行差异表达分析。
输入数据
输入为原始count的表达矩阵。行是基因,列是样品,count必需是正整数,可以为0,但是不能为空或者NA。首列是基因名,必需唯一;其他列为每个样品的count,样品名必需唯一。
论文例子
Differential gene expression analysis based on the negative binomial distribution
示例 示例数据
输出 1,表达谱,raw count+ normalized count。可以提取具体基因的标准化表达值,(加1,并log2转化后)绘制热图
2,指定比较的差异总表,请使用excel自行过滤挑选差异表达基因

1)如何作图?
1,准备作图数据;2,用excel打开数据,调整为示例格式;3,将调整后的数据粘贴到输入框;4,选择参数;5,提交出图

2)为什么不出图?
程序对输入格式有严格要求。请务必仔细查看右侧说明及示例数据

3)如何引用?
800+篇google学术,700+篇知网学术引用
请使用原生R包,Python包进行引用,或使用如下格式(推荐直接写网址)
Heatmap was plotted by https://www.bioinformatics.com.cn (last accessed on 31 Oct 2022), an online platform for data analysis and visualization.

4)交流群/公众号