生信小白的福音，仅仅几分钟完全掌握DEseq2多组差异分析
尔云间 一个专门做科研的团队
生信人R语言学习必备
立刻拥有一个Rstudio账号
开启升级模式吧
（56线程，256G内存，个人存储1T）
在进行GEO和TCGA数据库转录组数据挖掘时，差异分析是不可或缺的一部分，一般进行差异分析的主流软件有三款DEseq2,limma,edgeR。
今天小果为大家带来的分享是通过DEseq2进行多组差异分析， 通过该推文将完全掌握利用DEseq2包进行差异分析，值得小伙伴阅读学习奥！话不多说，和小果一起开启今天的学习之旅吧！
1. 如何实现DEseq2多组差异分析？
该如何利用DEseq2实现多组差异分析，其实没那么难，小伙伴只需要准备好基因reads count矩阵文件和样本分组信息文件，可以基于分组信息文件进行多组的差异分析，小伙伴们只需要掌握DEseq2 R包参数使用方法，就可以顺利快速的进行分析，小果为大家介绍了是通过批量操作的方式进行多组差异分析，只需要掌握基础的R语言知识就可以进行自己数据的处理，很适合小白奥，那就和小果一起开启今天的实操吧！
2. 准备需要的R包
DEseq2包直接可以通过Bioconductor 安装就可以的，非常简单，小果为小伙伴们附上网址：https://www.bioconductor.org/packages/release/bioc/html/DESeq2.html
3. 数据准备
input_counts.txt
#基因count矩阵文件,行名为Gene,列为样本名。
input_subtype.txt
#样本分组信息文件，第一列为样本名，第二列为分组信息。
4. DEseq2进行多组差异分析
5. 结果文件
1. SKCM_deseq2_test_result.immune_vs_Others.txt
该结果文件为计算的immune与其他分组的差异分析结果文件,第一列为基因名，第三列为log2FC,第六列为pvalue值，第七列为FDR值(矫正后的pvalue).
2. SKCM_deseq2_test_result.keratin_vs_Others.txt
该结果文件为该结果文件为计算的keratin与其他分组的差异分析结果文件,第一列为基因名，第三列为log2FC,第六列为pvalue值，第七列为FDR值(矫正后的pvalue).
3. SKCM_deseq2_test_result.MITF-low_vs_Others.txt
该结果文件为该结果文件为计算的MITF-low与其他分组的差异分析结果文件,第一列为基因名，第三列为log2FC,第六列为pvalue值，第七列为FDR值(矫正后的pvalue).
今天小果的分享就到这里啦！如果小伙伴有其他数据分析需求，可以尝试使用本公司新开发的生信分析小工具云平台，零代码完成分析，非常方便奥，云平台网址为：http://www.biocloudservice.com/home.html,主要包括DEseq2实现多组差异分析(http://www.biocloudservice.com/287/287.php)，limma实现多组差异分析(http://www.biocloudservice.com/289/289.php)等小工具欢迎大家和小果一起讨论学习哈！！！！
“生信果”，生信入门、R语言、生信图解读与绘制、软件操作、代码复现、生信硬核知识技能、服务器、生物信息学的教程，以及基于R的分析和可视化等原创内容，一起见证小白和大佬的成长。
往期推荐
1、PCA绘图，从原理到绘图
2 、小果的单日小技巧DAY6：如何利用panImmune轻松分析免疫浸润？
3 、Fastp软件：处理fastq文件它超棒！
4 高分生信SCI常用的肿瘤免疫学单细胞分析工具
5 基因维度太高怎么办？无所谓！PCA降维会出手！
