下载文档原格式
转录组测序（RNA-seq）是指利用高通量测序技术对cDNA进行测序从而获取不同mRNA 片段在特定样本里的含量。
通过统计相关读段(reads)数计算出不同RNA的表达量，发现新的转录本；如果有基因组参考序列，可以把转录本映射回基因组，确定转录本位置、剪切情况等更为全面的遗传信息。
RNA-seq广泛应用于生物学研究、医学研究、临床研究和药物研发等。
在功能基因组学方面的应用：基因（转录本）精细结构，各种器官表达模式，不同发育阶段的表达模式；在癌症和疾病方面：SNPs，选择性剪切，可选启动子，等位基因差异表达，RNA编辑，融合基因；农业和微生物方面：动植物疾病，微生物致病机理，分子育种，作物抗性研究；等等。
服务内容
RNA测序
客户提供
足够的组织材料或者RNA样品。
我们提供
测序结果、报告。
RNA-seq(转录组学)的分析流程和原理在开始详细讲解RNA测序之前，我们先来了解一下它的基本步骤：1.建库：提取RNA，富集mRNA或消除rRNA，合成cDNA和构建测序文库。
2.测序：然后在高通量平台（通常是Illumina）上进行测序（每个样本测序reads在DNA测序中，读数是对应于单个DNA片段的全部或部分的碱基对（或碱基对概率）的推断序列。
深度为10-30 Million reads。
）3.分析：先比对/拼装测序片段到转录本，通过计数、定量，样本间过滤和标准化，以进行样本组间基因/转录本统计差异分析。
大致了解这个过程之后，我们就先从建库开始了解建库的难点在于提纯出mRNA, 一般在我们抽离出的RNA中rRNA占比很大，其他还会有tRNA、microRNA等。
我们需要从抽离出的RNA中提取出mRNA，并建立cDNA文库。
这里以应用最广泛的Illumina公司的Truseq RNA的建库方法为例来进行介绍。
首先，利用高等生物的mRNA通常有poly(A)尾的（使mRNA更稳定，翻译不容易出错）特点，用带有poly(T)探针的磁珠与总RNA进行杂交，这样磁珠就和带poly(A)尾巴的mRNA结合在一起了。
接下来，就回收磁珠，把这些带poly(A)的mRNA从磁珠上洗脱下来。
再用镁离子溶液（或者超声波）进行处理，把mRNA打成小段。
然后，利用这些被打断的mRNA片段，以随机引物进行逆转录，得到第一链cDNA。
再根据第一链cDNA合成出ds-cDNA。
对cDNA在平末端进行3’端加A碱基（腺苷酸）（adapter接头上带了T碱基头，为了和adapter配对）在双链cDNA的两端加分别上Y型接头再经PCR扩增经筛选的目的基因，就得到可以上机的测序文库了。
这个建库方法对RNA的完整度有较高的要求。
也就是说，只有在mRNA大部分是完整的状态下，才能得到比较好的效果。
因为带Poly(T)的磁珠，它所吸附的是带有Poly(A)的那些序列。
rnaseq数据分析流程RNA-seq数据分析流程。
RNA测序（RNA-seq）是一种用于研究转录组的高通量测序技术，它可以帮助科研人员了解基因表达和转录本结构。
在本文中，我们将介绍RNA-seq数据分析的一般流程，包括数据预处理、基因表达分析和功能注释等步骤。
1. 数据预处理。
首先，我们需要对原始的RNA-seq数据进行质量控制（QC）。
这包括使用软件如FastQC来评估测序数据的质量，检测是否存在低质量的碱基或测序错误。
接下来，我们需要对数据进行去除接头（adapter trimming）和过滤低质量读（quality filtering）。
这些步骤可以使用工具如Trimmomatic或Cutadapt来完成。
最后，我们需要对清洗后的数据进行比对到参考基因组（alignment），这可以使用软件如HISAT2或STAR来完成。
2. 基因表达分析。
一旦我们获得了比对到参考基因组的数据，我们就可以开始进行基因表达分析。
首先，我们需要对比对结果进行计数，这可以使用软件如featureCounts或HTSeq来完成。
然后，我们需要对表达数据进行标准化，例如使用DESeq2或edgeR来进行基因表达的差异分析。
最后，我们可以使用一些可视化工具如ggplot2或heatmap 来展示基因表达的模式和差异。
3. 功能注释。
最后，我们可以对不同表达的基因进行功能注释。
这包括对差异表达基因进行富集分析（enrichment analysis），例如富集在特定的通路（pathway）或生物学过程（biological process）中。
这可以使用工具如DAVID或Enrichr来完成。
此外，我们还可以对差异表达基因进行蛋白质-蛋白质相互作用分析（protein-protein interaction analysis），例如使用STRING数据库来预测蛋白质之间的相互作用网络。
总结。
综上所述，RNA-seq数据分析是一个复杂的过程，涉及到数据预处理、基因表达分析和功能注释等多个步骤。
rnaseq 转录组测序实验方案RNA测序（RNA-Seq）是一种新兴的高通量测序技术，可用于研究转录组的整体表达特征和mRNA表达数量的变化。
本文将讨论RNA 测序实验方案，包括样品处理、测序方法和数据分析。
一、样品处理在进行RNA测序实验之前，需要注意以下几个步骤：1. 样品收集：从研究对象中收集组织样品或细胞，注意采集得到的RNA是代表性的并且不受任何处理的影响。
2. RNA提取：使用合适的方法提取总RNA或mRNA。
总RNA适用于研究全转录组表达水平的变化，而mRNA主要用于研究特定基因的表达。
二、测序方法RNA测序通常分为以下几个步骤：1. 文库制备：将RNA样品转录为cDNA，进行文库建立。
可以使用聚合酶链反应（PCR）扩增cDNA，以增加测序信号。
2. 测序平台选择：根据实验需求和预算，选择合适的测序平台，如Illumina HiSeq、Ion Torrent或PacBio等。
3. 测序深度：根据样品复杂度和研究目的，确定所需的测序深度。
较低的深度适用于检测高表达基因，而较高的深度适用于检测低表达基因或罕见突变。
三、数据分析RNA测序数据分析是整个实验的重要环节，以下是常用的数据分析步骤：1. 数据质控：使用质控工具（如FastQC）对测序数据进行质量评估，去除低质量的reads和接头序列。
2. 游离核酸去除：使用工具（如Trimmomatic）去除rRNA或tRNA 等非编码RNA。
3. 序列比对：使用参考基因组进行序列比对，如使用Bowtie、BWA等工具。
对于未知基因组，可选择进行de novo组装。
4. 表达差异分析：通过比较每个基因在不同样品中的表达量，确定差异表达基因。
常用的工具包括DESeq、edgeR等。
5. 功能注释：将差异表达基因进行功能注释，了解其在生物学过程中的作用。
可以使用GO、KEGG等数据库进行注释。
6. 数据可视化：将分析结果通过图表或热图进行可视化，更直观地展示差异表达基因和通路的变化。
RNA-seq转录组的测序技术一、概述1. RNA-seq技术简介在过去的几十年中，研究人员利用转录组学技术对生物体中的RNA 进行研究，以揭示基因表达调控和基因功能等方面的信息。
而RNA-seq技术则是近年来兴起的一种高通量测序技术，逐渐替代了传统的microarray技术，成为了研究转录组学的主流方法之一。
二、RNA-seq的原理1. 测序库构建在进行RNA-seq实验之前，首先需要构建测序库。
通常采用聚合酶链式反应(PCR)或者DNA和RNA的逆转录(Reverse Transcription)来将RNA转录成双链DNA，并添加barcode标签，最后形成文库。
2. 高通量测序完成测序库的构建后，需要使用高通量测序技术对文库中的DNA 进行测序。
目前常用的测序评台包括Illumina、Ion Torrent、PacBio 等公司的测序仪器。
高通量测序技术能够快速、高效地获取大量的基因序列信息。
三、RNA-seq的优势1. 高灵敏度与传统的microarray技术相比，RNA-seq能够提供更高的灵敏度和动态范围，能够检测到低表达水平的基因，同时也能够覆盖更广泛的基因组区域。
2. 高分辨率RNA-seq能够提供单个碱基的分辨率，帮助研究人员更准确地识别基因的外显子、内含子和剪切异构体。
3. 无需先验信息相比于microarray技术需要先知道待检测基因的序列信息，RNA-seq技术能够在不依赖已知基因组信息的情况下进行测序。
四、RNA-seq的应用1. 基因表达水平分析RNA-seq能够帮助科研人员进行基因表达水平的定量和定性分析，揭示基因在不同组织、不同环境条件下的表达规律。
2. 剪切异构体分析通过RNA-seq技术可以发现和识别基因的各种剪切异构体，帮助了解基因的调控机制。
3. RNA编辑和融合蛋白质的细致分析RNA-seq技术也被广泛应用于RNA编辑和融合蛋白质的研究，为研究人员提供了一种便捷的方法。
转录组测序，也被称为RNA-Seq，是一种高通量的测序技术，用于研究细胞中所有转录本的表达情况。
这项技术可以提供关于基因表达、基因变异、基因调控等重要生物学过程的信息。
在转录组测序中，首先从细胞中提取RNA，然后将其转化为测序文库。
这个文库包含从RNA中提取的基因序列信息，这些信息随后被大规模并行测序。
每个测序读段代表一个转录本的一部分或全部序列。
通过对这些读段的深度分析，研究人员可以确定哪些基因在特定条件下被表达，哪些基因的表达水平有所改变。
此外，转录组测序还可以揭示基因拼接变异、基因融合以及其他重要的基因结构变异。
转录组测序是基因表达研究的重要工具，因为它提供了定性和定量的基因表达信息。
这项技术已经被广泛应用于各种生物学研究领域，包括疾病机制研究、药物开发、生物进化研究等。
例如，在疾病机制研究中，转录组测序可以帮助科学家了解疾病发生和发展过程中基因表达的变化，从而为疾病的诊断和治疗提供新的思路。
在药物开发中，通过比较药物处理前后的转录组变化，可以确定药物的作用机制和潜在的副作用。
总的来说，转录组测序是一种强大的工具，它让我们能够深入了解细胞的基因表达模式，为生物医学研究提供了重要的信息。
rna-seq的注释方法RNA-seq是一种广泛应用于转录组学研究的高通量测序技术，通过对转录本的测序，可以获取到转录组的信息，包括基因的表达量、剪接变异、外显子使用和转录起始位点等。
而为了更好地理解和解读RNA-seq数据，需要对其进行注释，即将测序数据与已知的基因组信息进行比对和解释。
RNA-seq的注释方法主要包括以下几个方面：1. 基因组比对：首先，需要将RNA-seq数据与参考基因组进行比对，以确定转录本在基因组上的位置。
常用的基因组比对工具包括Bowtie、STAR和HISAT等。
这一步骤能够帮助我们准确定位转录本的位置，并为后续的注释提供基础。
2. 转录本组装：在进行基因组比对后，需要将比对结果组装成转录本。
这一步骤可以通过多种软件实现，如Cufflinks、StringTie和Trinity等。
转录本组装能够帮助我们获得转录本的结构信息，包括外显子的使用和剪接变异等。
3. 基因表达量计算：通过RNA-seq数据可以获得不同基因的表达量信息，这对于研究基因的功能和调控机制非常重要。
常用的基因表达量计算工具包括HTSeq和featureCounts等。
基因表达量计算可以帮助我们了解不同基因的表达水平，从而进一步分析差异表达基因和功能富集等。
4. 功能注释：对于已经获得的基因表达量数据，我们需要进一步对基因进行功能注释，以了解其生物学功能和参与的代谢途径等。
功能注释可以通过比对已知的基因组注释数据库，如Gene Ontology (GO)、KEGG和Reactome等来实现。
这一步骤可以帮助我们理解转录本的功能和其在生物过程中的作用。
5. 变异注释：RNA-seq数据中可能存在各种类型的变异，包括单核苷酸多态性(Single Nucleotide Polymorphism, SNP)、插入缺失和剪接变异等。
通过将RNA-seq数据与已知的变异数据库进行比对，可以对变异进行注释，如dbSNP和1000 Genomes Project等。
转录组RNAseq术语解释名词解释RNA-Seq1.index测序的标签，⽤于测定混合样本，通过每个样本添加的不同标签进⾏数据区分，鉴别测序样品。
2.碱基质量值）出错的概率的整数映射。
碱基质量值越⾼Base CallingQ-score（Quality Score）是碱基识别（或表明碱基识别越可靠，碱基测错的可能性越⼩。
3.Q30代表碱基的精确度在99.9%。
碱基质量值为Q30（Fragments Per Kilobase of transcript per Million fragmentsmapped）4.FPKM个数。
计算公式为1K个碱基上的fragmentmap上的reads中map到外显⼦的每每1百万个即双表⽰⽐对到某⼀转录本上的⽚段数⽬，公式中，cDNA Fragments 总数，Mapped ReadsMapped Reads(Millions)表⽰端Reads数⽬；个碱基为单：转录本长度，以Transcript Length(kb)kb以10为单位；位。
Fold Change）5.FC（即差异表达倍数。
False Discovery Rate）6.FDR（的个数占所有被拒绝)零)假设即错误发现率，定义为在多重假设检验过程中，错误拒绝(拒绝真的原( 值的阈值。
来决定P的原假设个数的⽐例的期望值。
通过控制FDR P-value）7.P值（P<0.05⼀般以P 反映某⼀事件发⽣的可能性⼤⼩。
统计学根据显著性检验⽅法所得到的值，即概率，0.01。
或为显著，P<0.01为⾮常显著，其含义是样本间的差异由抽样误差所致的概率⼩于0.05）8.可变剪接（Alternative splicing6/ 61/ 1．剪接异mRNA（选择不同的剪接位点）产⽣不同的有些基因的⼀个mRNA前体通过不同的剪接⽅式。
可变剪接是调节基因表达和产⽣蛋⽩alternative splicing)(或选择性剪接，构体，这⼀过程称为可变剪接质组多样性的重要机制，是导致真核⽣物基因和蛋⽩质数量较⼤差异的重要原因。
转录组数据分析方法与应用随着高通量测序技术的广泛应用，越来越多的转录组数据被生成和收集，这些数据对于研究基因表达调控、发现新基因和新剪接变体、诊断疾病等方面具有重要意义。
因此，转录组数据分析已成为当前生物学研究中的重要方向之一。
而转录组数据分析的常用方法之一就是基于RNA-Seq技术的差异表达分析。
本文将从数据获取、数据预处理、差异表达分析、生物信息学工具及其应用等方面，探讨转录组数据分析的方法和应用。
一、数据获取转录组数据获取的最重要的技术手段是RNA-Seq。
RNA-Seq是一项革命性的技术，通过将参考基因组上的所有转录本进行定量分析，可以获得全转录组的基因表达谱，还可以识别新的基因、新的剪接变异、可变剪接事件等。
RNA-Seq技术最重要的是能够获得高通量的转录本序列信息，但与其他高通量技术相比，不同转录物的表达水平测定的相关性较弱，需要更多的样本。
除了RNA-Seq，核酸芯片技术也被广泛应用于转录组数据的获取。
二、数据预处理在进行差异表达分析之前，对于原始的转录组数据进行完整的质量评估和处理将产生重要的影响。
由于RNA-Seq是一种PCR扩增技术，测序错误率是非常高的，为了避免这些错误对研究的影响，需要对原始数据进行筛选和过滤。
主要的处理过程包括：去除低质量序列、去除未被测到的序列、去除重复序列、去除核酸污染物等。
三、差异表达分析差异表达分析是转录组研究的核心部分，通过比较样本之间的差异来对基因表达谱进行解释。
RNA-Seq数据的分析流程通常包含数据预处理、对数据进行比对和定量、根据基因显著性筛选差异表达基因、寻找差异表达基因与通路、功能的相关性及其下游效应等。
在对数据进行分析之前，需要首先对数据进行标准化处理，以消除影响分析结果的不必要因素。
标准化处理通常包括对数据进行正则化、去批次效应、去OTU效应等。
差异表达分析的步骤：1. 表达定量。
标准化RNA-Seq中的表达量是FPKM或者RPKM。
基因组学中的转录组分析技术使用方法转录组分析是基因组学研究中的重要领域，它通过系统地研究生物体在给定条件下的转录产物，揭示基因表达的整体模式和调控机制。
转录组分析技术的快速发展使其成为深入理解基因功能和疾病发生机制的有力工具。
本文将介绍几种常用的转录组分析技术及其使用方法。
1. RNA测序（RNA-Seq）RNA测序是转录组分析中最常用的方法之一。
它通过将RNA转录本逆转录成cDNA，并进行高通量测序，得到转录本的序列信息。
RNA测序可用于定量和鉴定基因表达，以及寻找新的转录本和外显子。
以下是RNA测序的基本步骤：1.1 样品制备首先，需要从生物样品中提取RNA。
常用的RNA提取方法包括酚/氯仿法、磁珠法等。
提取到的RNA应经过质量检测，以确保其完整性和纯度。
1.2 cDNA合成与文库构建将RNA逆转录为cDNA是RNA测序的关键步骤。
可以使用逆转录酶和随机引物进行逆转录，或者采用寡核苷酸为引物进行选择性合成。
随后，通过文库构建将cDNA进行序列化准备。
1.3 测序和数据处理使用Illumina或其他平台进行高通量测序，得到转录本的序列信息。
然后，对测序结果进行质量控制、序列比对、表达量计算和差异表达分析等数据处理步骤。
最后，利用生物信息学工具和数据库进行功能注释和转录本定位。
2. 微阵列芯片分析微阵列芯片是一种广泛使用的转录组分析平台。
它基于杂交原理，通过将已知基因序列的探针固定在芯片表面，与待测样品中的RNA分子杂交，从而检测基因表达水平。
以下是微阵列芯片分析的基本步骤：2.1 样品制备样品制备与RNA测序相似，同样需要提取RNA并检测质量。
然后，将RNA转录为cRNA，并进行荧光染色。
2.2 杂交将样品中的cRNA与芯片上的探针进行杂交。
采用专业设备将样品加热至设定温度，以使cRNA与探针结合。
2.3 扫描和数据处理使用激光扫描芯片，记录荧光信号的强度和颜色。
然后对原始数据进行预处理和标准化，包括背景校正、探针归一化等。
转录组学研究方法转录组学是研究细胞、组织或生物体在特定条件下的全部转录产物的方法。
它通过对RNA序列的定量和定性分析，揭示了基因表达的状态和调控机制，为生物体的发育、生长和适应环境等生物学过程提供了重要的信息。
本文将介绍转录组学的主要研究方法。
1. RNA测序（RNA-Seq）RNA测序是转录组学研究中最常用的方法之一、它通过对RNA样品进行逆转录、建库、测序等步骤，获得RNA序列信息，并通过生物信息学分析来确定转录本的表达水平、剪接异构体和单核苷酸变异等。
RNA测序技术可以全面地分析转录本的全集，不受参考基因组限制，并可以检测新的转录本和非编码RNA。
2.差异表达基因分析差异表达基因分析用于确定在不同组织、时间点或处理条件下表达量发生变化的基因。
通过比较不同样品中的转录组数据，可以鉴定出差异表达的基因，并进行进一步的功能注释和富集分析。
差异表达基因分析可以帮助我们确定与特定生物过程相关的基因。
3.转录因子结合位点分析转录因子结合位点分析可以鉴定转录因子结合到基因组DNA上的位点，从而揭示基因转录的调控网络。
这个方法基于转录因子的特异性结合序列（转录因子结合位点，TFBS）的预测模型，通过对转录组数据进行生物信息学分析，可以预测出可能的转录因子结合位点。
4.全基因组的基因表达谱研究全基因组的基因表达谱研究可以同时分析细胞或组织中所有基因的表达水平，在不同条件下对比不同样品的表达谱，可以鉴定出哪些基因在不同条件下具有相似或相反的表达模式。
这种方法可以帮助我们理解基因调控网络和准确鉴定基因功能。
5.基于蛋白质-RNA相互作用的研究基于蛋白质-RNA相互作用的研究可以揭示转录后调控的机制。
这种方法通过分析RNA与蛋白质之间的相互作用，鉴定RNA结合蛋白质的结合位点和关键蛋白质，从而确定蛋白质对转录后调控的功能。
总结起来，转录组学的研究方法包括RNA测序、差异表达基因分析、转录因子结合位点分析、全基因组的基因表达谱研究和基于蛋白质-RNA 相互作用的研究。
转录组研究新技术RNASeq及其应用一、本文概述随着生物信息学和分子生物学的快速发展，转录组研究已成为解析生命活动重要机制的关键手段。
近年来，新一代测序技术（Next-Generation Sequencing，NGS）的崛起，特别是RNA测序（RNA Sequencing，RNA-Seq）技术的广泛应用，极大地推动了转录组学研究的深度和广度。
RNA-Seq技术以其高分辨率、高灵敏度和高定量的特性，在基因表达分析、非编码RNA研究、基因结构变异分析等领域展现出强大的潜力。
本文旨在全面介绍RNA-Seq技术的基本原理、实验流程、数据分析方法，以及其在生命科学各领域中的实际应用，以期为相关研究人员提供有益的参考和启示。
二、RNASeq技术概述RNA测序（RNASeq）是一种革命性的技术，极大地推动了转录组学的研究进程。
该技术基于下一代测序（Next Generation Sequencing, NGS）平台，可以对生物样本中的RNA进行全面、精确的测序和分析。
RNASeq不仅提供了转录本的序列信息，还能够揭示转录本的表达水平、剪接方式、变异情况以及基因结构等重要信息。
RNASeq的实验流程通常包括样本制备、文库构建、测序和数据分析等步骤。
在样本制备阶段，需要提取高质量的RNA，并通过一系列的处理步骤去除杂质和降解的RNA。
文库构建是RNASeq技术的核心，其目标是将RNA片段化、反转录成cDNA，并构建成适合测序的文库。
测序阶段则利用NGS平台对文库进行高通量测序，获得大量的序列数据。
数据分析是RNASeq技术的另一个关键环节。
通过对测序数据的处理和分析，可以鉴定出转录本、评估基因表达水平、发现可变剪接事件、识别基因融合以及探索非编码RNA等。
RNASeq技术还可以与表观遗传学、蛋白质组学等其他组学技术相结合，从多个层面揭示生命活动的复杂性和多样性。
RNASeq技术的应用范围非常广泛，涵盖了基础生物学研究、疾病机理探索、药物研发等多个领域。
生物信息学中的转录组数据分析方法综述转录组数据分析方法：转录组学是研究特定生物系统中RNA分子整体转录水平的学科，它可以为我们揭示基因表达的动态过程以及转录因子与靶向基因的调控关系。
转录组数据分析方法的不断发展为我们提供了深入理解细胞功能和基因调控的窗口。
本文将综述转录组数据分析的常用方法，并介绍其在生物信息学研究中的应用。
1. RNA测序技术与数据预处理RNA测序技术的发展为转录组数据分析提供了核心工具。
主流的RNA测序技术包括全长转录组测序（RNA-seq）和微阵列芯片。
RNA-seq技术通过高通量测序，可以获取全长的转录组信息，提供更准确的基因表达量测定。
微阵列芯片则使用探针来测定目标基因的表达水平，但其成本较高且受限于已知基因组范围。
在转录组数据分析中，首先需要对原始数据进行预处理。
这包括质量控制、去除接头序列、去除低质量的碱基、去除rRNA等。
此外，还需要对测序数据进行比对，将reads匹配到参考基因组或转录组上。
常用的比对工具包括Bowtie、BWA和HISAT等。
2. 基因表达差异分析基因表达差异分析是转录组数据分析中最常见的任务之一。
它用于比较不同组织、不同时间点或不同处理条件下基因的表达变化。
常用的差异分析方法包括DESeq2、edgeR和limma 等。
这些方法可以校正测序数据的技术偏差，计算基因表达的统计显著性，并识别差异表达的基因。
3. 功能富集分析功能富集分析用于研究差异表达基因的功能特征和通路富集情况。
它可以帮助我们理解基因在生物学过程中的功能和相互关系。
常用的功能富集分析工具包括GO（Gene Ontology）、KEGG（Kyoto Encyclopedia of Genes and Genomes）和Reactome等数据库。
这些数据库提供了基因的功能分类和通路信息，通过统计分析可以确定在特定差异基因集中富集的生物学过程和通路。
4. WGCNA分析权重基因共表达网络分析（Weighted Gene Co-expression Network Analysis，简称WGCNA）是一种用于鉴定基因共表达模块和发现与表型相关基因的方法。
转录组测序的具体方法及步骤
转录组测序（mRNA-Seq）是使用高通量测序技术，在给定时刻从一个基因组中，揭示 RNA 的存在和数量的一个快照的技术，为生命科学研究提供了全新的角度，可用于预测基因结构、可变剪切和其他转录修饰，并可定量测定每个转录本在生长过程中和不同条件下表达水平的变化。
技术优势
平台优，周期短，性价比高。
基于优质的测序平台，通过reads与参考基因组比对，
系统全面的对基因表达定量和结构分析，获得某个物种在特定条件下的转录信息。
技术路线
技术参数
样本要求。
