任何新手小白都可以使用这个差异基因分析神器：DESeq2

差异基因分析软件，有生物学重复的情况下，DESeq2 大概是首选。

本文旨在带领小伙伴们进行零代码差异基因分析，任何人都可以简单上手。

闲话少叙，我们先从上传数据开始。

上传数据

新建历史（可选）

• • 新建一个历史记录，并命名为：DESeq2

上传数据

• • 点击左上角的 “上传”按钮

• • 弹出上传页面：可以上传本地文件，或者粘贴网址自动下载网络文件

以上传本地文件为例：

• • 全选所有文件，并点击 “打开”

• • 点击 “开始”

• • 开始上传后，右侧历史面板中，黄色显示正在上传，绿色显示上传完成

进行分析

进入网站：usegalaxy，在左侧工具搜索框中输入：deseq2，结果中第一个便是。

名词解释

因子：即实验设计，可以简单地理解为实验分组。因子名称，即是分组名称，比如：药物疗效。

因子水平：可简单理解为处理组、未处理组，或者其他分组情况。

DESeq2 可支持多因子，多水平的实验设计。

应用举例

例 1：处理组 vs 未处理组

参数设置

• • 因子名称：Treatment
• • 因子水平 1：treated（要注意，感兴趣的分组要作为第 1 个水平，后续差异结果是水平 1 vs 水平 2，所以这个顺序非常重要）
• • 因子水平 2：untreated
• • 计数文件：这里以来自于 featureCounts，Stringtie 等软件的原始 Count 值为例，每一个样本对应一个 Count 文件。在计数文件框中选择每一组对应的 count 文件。

• • 其他参数保持默认，点击 “运行工具”，等待结果

查看结果

• • 差异表格

可以看到 log2FC，p-value, p-adj 值了。

• • PCA

可以看到，treated 和 untreated 在 PC1 上很好地分开了，说明处理与否对结果有影响。

• • 热图

当然 DESeq2 还可以输出其他结果，可以在参数设置界面选择。

例 2：双端测序 vs 单端测序

参数设置（如图）

查看结果

• • PCA

可以看到，PE 和 SE 在 PC2 上能很好地区分，说明测序方式对结果有影响。

例 3：处理组 vs 未处理组 + 双端测序 vs 单端测序

同时考虑处理与测序两种情况。参数设置：设置完一个因子后，可点击 “Insert Factor” 增加一个因子。

查看结果

• • PCA

可以看到，处理方式在 PC1 方向上能很好地区分，测序技术在 PC2 上能很好地区分。说明处理与否对结果的影响最大，测序技术的影响排第二。

好了，DESeq2 进行基因水平的差异分析就介绍完了。有不明白的小伙伴可以到群里，或者知识星球提问。

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-03-27，如有侵权请联系 cloudcommunity@tencent 删除工具软件数据搜索编程