以解牛之法析生信，观微雀之形览科研。
上篇我们介绍了转录组数据的概况，下边我们来下载一个小数据的差异分析，先安装包及下载数据。
二、所需的包安装及加载
1.安装包 :DESeq2
Rstudio中，我使用BiocManager在window系统下进行包的安装。
不同来源的包适合不同的安装方式，此后的推文中的我们会逐步的讲解到。
# 下载BiocManager
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
# 安装差异分析核心DESeq2包
BiocManager::install(c("DESeq2", "apeglm"), update = FALSE)
# 数据处理
BiocManager::install(c("tidyverse", "tibble"), update = FALSE)
# 绘图包
BiocManager::install(c("ggplot2", "EnhancedVolcano", "ggrepel", "pheatmap", "ggpubr", "RColorBrewer"), update = FALSE)
2.加载包
library(DESeq2) #差异分析的包
library(apeglm)
library(tidyverse)
library(ggplot2) #绘图常用包
library(EnhancedVolcano)
library(ggrepel)
library(pheatmap) #绘制热图
library(ggpubr)
注：有些警告信息可以先不用管，注意我们的主线。
三、数据下载
1.GEO数据下载：
以差异分析常用的数据Airway做示例， 关键文献：Himes BE, et al. PLoS One. 2014 Jun 13;9(6):e99625. PMID: 24926665， 数据在GEO（Gene Expression Omnibus ）中可下载， NCBI GEO：GSE52778， 该数据实验样本：4种人原代气道平滑肌细胞系（HASM），1 µM 地塞米松处理 18小时，分为对照组 (untrt)、处理组 (dex)。
下载链接：
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE52778，
在打开的网址中搜索GSE52778，下拉，点击下方Download RNA-seq count，选择NCBI generated data中的GSE52778_raw_counts_GRCh38.p13_NCBI.tsv.gz，
GSE52778_raw_counts_GRCh38.p13_NCBI.tsv.gz，下载的数据为整数 reads 计数，可以直接输入 DESeq2进行分析。
这里我们仅做示例，就直接使用count数据了。
2. 同页面的其他数据：
2.1 Submitter-supplied data（提交者上传数据）
GSE52778_family.soft.gz，SOFT 元数据，存储样本完整信息、实验设计，需要处理；
GSE52778_family.xml.tgz，MINiML 元数据，XML 格式的样本信息；
GSE52778_series_matrix.txt.gz，表达矩阵，芯片格式的标准化表达值；
GSE52778_All_Sample_FPKM_Matrix.txt.gz，FPKM 矩阵，标准化后的基因表达量；
GSE52778_Dex_vs_Untreated_gene_exp.diff.gz， 预计算差异，提交者自己计算的差异结果，仅做参考对比；
2.2 NCBI-generated data（NCBI 官方生成）
GSE52778_norm_counts_FPKM_GRCh38.p13_NCBI.tsv.gz，FPKM 标准化矩阵，用于表达量可视化、富集分析，不能跑 DESeq2；
GSE52778_norm_counts_TPM_GRCh38.p13_NCBI.tsv.gz，TPM 标准化矩阵，同上，用于样本间表达量比较；
Human.GRCh38.p13.annot.tsv.gz，基因注释表，基因 ID 转基因名、功能注释。
下篇我们更新使用DESeq2进行差异分析。
以解牛之法析生信，观微雀之形览科研。
