1 回答
感谢您的提问。
针对您的问题，我可以给出以下回答：
首先，关于转录组数据的标准化，我们通常会使用TPM或FPKM这样的方法来进行样本内标准化，使用TMM或DESeq2中的RLE方法进行样本间标准化。而关于如何将featurecounts得到的count数据转换为TPM或FPKM数据，可以使用R中的edgeR或DESeq2包中的函数进行计算。
其次，关于差异基因的分析，在进行样本内标准化和样本间标准化后，我们可以使用DESeq2或edgeR这样的差异表达分析工具来进行差异基因分析。具体来说，我们可以使用DESeq2的函数如下：
dds <- DESeqDataSetFromMatrix(countData = counts, colData = coldata, design = ~ condition)
dds <- DESeq(dds) res <- results(dds)
或者使用edgeR的函数如下：
dge <- DGEList(counts=counts,group=group)
dge <- calcNormFactors(dge)
dge <- estimateDisp(dge)
fit <- glmQLFit(dge,design)
qlf <- glmQLFTest(fit,coef=2) topTags(qlf)
当然，这只是两种常用的差异表达分析方法，并不代表其他方法不可用。同时，也有一些R包提供了一些辅助功能，比如edgeR中的edgeRGLM和DESeq2中的DEGreport，可以帮助我们更好地进行差异基因分析。 希望这些回答能够帮助您解决问题。
这家伙很懒，还没有设置简介
