基因表达谱的差异分析是RNA-seq中最常见的应用。你眼中的RNA-seq差异分析或许是酱紫的，对不会编程，不懂统计，纯正生物学出生的人， 内心简直SOS ……

但有些人眼中的RNA-seq差异分析却是这样的，借助云平台和图形化界面，生信零基础同样可以做RNA-seq差异分析。

本人也是第一次尝试，一起来看看云平台如何拯救我们于水火之中。

平台用的是GCBI，之前也介绍过用GCBI做DNA测序和芯片分析，还不会用的在这里看攻略。RNA测序原始数据太大，就直接用了demo数据。

1.新建一个RNA测序方案，不知道怎么新建请看上面攻略。进去后的分析界面就是酱紫的。

2. 分析首先得有样本是不，点击“添加样本数据”将样本导入。如果用的是自己的测序数据，看下这里的数据上传说明，在这就不展开了。导入数据后可在“数据表”和“结果图”中查看质控分析结果。

接下去就是将导入的数据进行分组，点击“添加新分组”建立组别，建了两组，分别是EG(实验组)和CG(对照组)。

分好组后就可以进行差异分析啦，选择要分析的组别进行下一步。

3．差异分析参数选择
在差异分析中，参数主要就是P值，Q值和fold change，分析时可默认，也可自己设定。P值和Q值还模模糊糊的看这里。在这就直接用默认了。

4.运行结果
好啦，点击确定就ok啦。Demo数据是五对直肠癌和癌旁数据， 在默认参数条件下共筛选出了395个差异基因，上调的137，下调的258。下方还提供给了一些标签分类，如统计了在cosmic中与肿瘤相关的基因数量等。看每个基因具体的表达值点击结果表即可。

面对那么多基因，该如何快速找出感兴趣的基因呢？用上面的筛选功能即可，通过疾病，也可自定义，自定义的选项分类很详细，针对性比较强。这里附上数据筛选指南，给大家做筛选提供一些方向。

好啦，RNA-seq差异分析酱紫就完结啦。

这个分析流程采用的是HISAT2，StringTie，Ballogown组合，和传统流程的用的cufflinks， tophat相比，优势在哪？看这里。简单一句话，Tophat 首次被发表已经是7年前，Cufflinks也是6年前的事了。

RNA-seq差异分析网址：https://www.gcbi.com.cn/gclab/html/index