一、数据预处理与组装

StringTie

- 基于最优化理论的网络流算法，用于将短读段组装成转录本，支持多种从头组装策略。

- 适用场景：基因表达差异分析、基因组注释等。

Cufflinks

- 用于转录本组装与差异表达分析，包含cufflinks、cuffcompare、cuffmerge及cuffdiff等模块。

- 特点：支持Tophat比对结果组装，可检测可变剪接和样本间差异。

STAR （Spliced Transcripts Alignment to a Reference）

- 高效处理长读长序列（如10x Genomic数据），支持单端和双端测序数据。

二、差异表达分析

DESeq2

- 面向高维数据的差异表达分析工具，集成数据过滤、模型拟合及结果可视化功能。

- 特点：处理RNA-seq数据，支持多组学对比。

edgeR

- 与DESeq2类似，但优化了计算效率，适合大规模数据集分析。

limma

- 用于线性模型拟合，常与DESeq2结合使用，适合复杂实验设计。

三、可视化与功能富集

Seurat

- 单细胞转录组分析平台，提供细胞聚类、基因表达可视化及功能富集分析功能。

- 优势：整合10x Genomic数据，支持大规模样本分析。

GSEA （Gene Set Enrichment Analysis）

- 用于检测差异基因在特定生物学过程中的富集，常结合KEGG数据库使用。

Cytoscape

- 网络分析工具，可构建基因调控网络及蛋白质相互作用图谱。

四、其他实用工具

FastQC & MultiQC：

数据质量检测工具，用于原始测序数据预处理。

R语言包：如`ggplot2`（绘图）、`plotly`（交互式可视化）等，辅助结果展示。

学习建议

理论与实践结合：

从RNA-seq基础开始，逐步学习数据处理与分析流程。

在线资源：

利用等平台获取教程与工具支持。

案例分析：

通过Kaggle等平台参与竞赛，提升实战能力。

以上工具覆盖了转录组分析的主要环节，可根据具体需求选择组合使用。