扫码支付更轻松
功能：
差异分析就是计算两组样本之间差异表达的基因。通常我们定义基因表达量差异倍数＞2、并且P值（或Q值）小于0.05为显著差异表达的基因，具有统计学意义。这个阈值可以自己调整。该差异分析工具是参照软件edgeR（http://www.bioconductor.org/packages/release/bioc/html/edgeR.html）和DESeq2（http://www.bioconductor.org/packages/release/bioc/html/DESeq2.html）对两组样本间的基因差异显著性进行分析的。
输入：
①矩阵表格文件格式说明：支持txt(制表符分隔)文本文件、csv(逗号分隔)文本文件、以及Excel专用的xlsx格式，同样支持旧版Excel的xls(Excel 97-2003 )格式。
基因count表格文件：注意输入的务必是基因的read count数，不是基因表达量RPKM或FPKM值！
文件第一行为样本ID，第一列为基因ID，表中的数值为每个样本的基因count数（即reads数目）。
分组信息文件：定义分组信息。第一列为样本名，第二例为所在的组名。注意：即使没有实验重复，依然需要填写这个文件（1个样本为1组）。
组间比较文件：列出要进行差异分析的比较组的文件。有两列，在进行差异分析时是第二列比上第一列。如第一列是A（组），第二列是B（组），则为B组比上A组。一行为一个比较组。
参数：
①软件选择：edgeR/DESeq2。选择一个软件进行差异分析。
②检验值：用来判断差异显著性的统计检验值，可选择P值或Q值。P值为负二项分布计算得到，Q值是P值经过多重检验校正得到的。
③检验阈值：即上面所选P值或Q值的阈值，通常选择0.05，也可以根据实验具体情况适当降低或提高阈值，如0.01、0.001等。
④差异倍数：两组样本基因表达量的差异倍数，在基因差异表达分析中一般设定2倍。差异倍数大于设定阈值并且检验阈值（P值或Q值）小于设定阈值的基因定义为差异表达基因。
⑤离散系数：用于描述实验重复间的表达量变异程度（离散程度），是表达差异分析检验的基础数值。在有实验重复的情况下，离散系数由实验重复直接估算，该参数不需要填写。在没有实验重复的情况下，则需要人为设定离散系数，以便软件可以完成检验。如果你的实验样本无实验重复，可根据自己材料的特点设定离散系数。一般而言，实验重复间的差异越大，离散系数越大。edgeR软件给出的建议为：人类样本设定为0.4，遗传背景相似的模式生物设定为0.1，技术重复设定为0.01，其他情况默认为0.01。
⑥校正因子：在RNA-seq中，基因表达量（RPKM）体现为某基因表达量占总RNA表达量的比值。由于不同样本的细胞中mRNA总量有可能不同，导致RPKM值估计存在误差。因此，edgeR 可以推算校正因子，对此类误差进行校正。默认值设定为：否。
输出：
1. A-vs-B.DE.volcano.pdf：差异表达基因火山图（矢量图）
2. A-vs-B.DE.volcano.png：差异表达基因火山图（位图）
3. A-vs-B.all.xls：差异表达基因总表
4. A-vs-B.filter.xls：显著差异表达基因表（达到显著差异阈值）
5. diff.stat.pdf：所有比较组的差异表达基因柱状图（矢量图）
6. diff.stat.png：所有比较组的差异表达基因柱状图（位图）
7. diff.stat.xls：所有比较组的差异表达基因统计表
示例文件： 基因Count表格文件 组间比较文件 分组信息文件
输入和参数设置：
输出结果：
1、结果文件夹所有结果文件：
2、结果文件夹中的 所有比较组的差异表达基因柱状图：
3. 两组样本差异分析火山图：
Q1. edgeR/DESeq2差异分析与配对edgeR/DESeq2差异分析工具区别？
配对edgeR/DESeq2差异分析工具会在保留样本配对关系前提下进行分析。
Q2.为什么任务出错？
差异工具出错最最常见原因有以下两点：
①上传的数据不是基因的read count数。
② 文件之间信息不对应。
在整理文件时，需要注意三个文件间样本名、分组等信息务必对应。
下面给大家举个反例！基因count表中，样本名为A1-C2，而在分组文件中，样本名是M1、M2..两个表格数据信息明显是不对应的。
Q3.没有实验重复，可以使用差异分析工具吗？
没有实验重复，可以使用edgeR进行差异分析。
Q4：为什么必须上传read count数？
A：转录组测序本质是测一条条mRNA的序列，利用不同mRNA的测序量来估计基因的表达量。这种测序引入的随机误差，不符合正态分布，而是接近于一些更复杂的混合分布，只有用原始的reads数才能正确估计测序相关的随机误差。
Q5. 提交时报错常见问题：
1.提交时显示X行X列空行/无数据，请先自查表格中是否存在空格或空行,需要删掉。
2.提交时显示列数只有1列，但表格数据不止1列：列间需要用分隔符隔开，先行检查文件是否用了分隔符。
其它提示报错，请先自行根据提示修改；如果仍然无法提交，可通过左侧导航栏的“联系客服”选项咨询OmicShare客服。
Q6.结果图片可以修改吗？如何修改？
静态工具输出的图片无法在线修改，在结果下载包中有提供位图（png）和矢量图（pdf）两种类型图片，如需修改，可以将pdf图导入AI（Adobe Illustrator）等软件进行调整。
案例1：
发表期刊：International Journal of Molecular Sciences
影响因子：5.6
发表时间：2023
Figure 2. Numbers of DEGs in diverse pairwise comparisons (a) and Venn diagram showing the common and unique DEGs among different pairwise comparisons (b).
引用方式：GO and KEGG enrichment analyses of DEGs were performed using OmicShare tools in 2021, a free online platform for data analysis (http://www.omicshare.com/tools, 16 August 2022).
参考文献：
Guo H, Zhong Q, Tian F, et al. Transcriptome analysis reveals putative induction of floral initiation by old leaves in tea-oil tree (Camellia oleifera ‘changlin53’)[J]. International Journal of Molecular Sciences, 2022, 23(21): 13021.
案例2：
发表期刊：Scientia Horticulturae
影响因子：4.3
发表时间：2023
Fig. 5. Expression patterns analysis of CiB3 genes in different tissues and developmental stages. C Differential analysis of transcriptome data of CiB3s at different developmental stages of kernels.
引用方式：The count values of CiB3s expression at four different pecan developmental stages were analyzed differentially using the OmicShare Tools online website (https://www.omicshare.com/tools/Home/Soft/getsoft). Furthermore, Venn diagrams were drawn for genes with TPM values above 10 in the B3 superfamily of different tissues.
参考文献：
Wang L, Chen F, Lan Y, et al. Genome-wide identification of B3 superfamily in pecan (Carya illinoensis): In silico and experimental analyses[J]. Scientia Horticulturae, 2023, 307: 111533.
案例3：
发表期刊：Animals
影响因子：3.0
发表时间：2022
Figure 2. Identification of DEGs. (A) The statistical analysis of DEGs between Duroc and Luchuan adipose. (B) The volcano map of DEGs. The gene with p-value < 0.01 and log2 Fold Change > 1 is marked in red; the gene with p-value < 0.01 and log2 Fold Change < −1 is marked in blue.
引用方式：
Gene expression level was measured by Fragments per Kilobase per Million Mapped Fragments (FPKM) [17], the most commonly used method for estimating gene expression abundance. DEGSeq [18] was used to analyze DEGs (|Fold Change| > 2 and p-value < 0.01).The Principal Component Analysis (PCA), Gene Ontology (GO) term enrichment analysis, Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analysis and GSEA were performed using Omicshare, a real-time interactive online data analysis platform (p-value < 0.05) (http://www.omicshare.com (accessed on 18 February 2022)) [19].
参考文献：
Pan H, Huang T, Yu L, et al. Transcriptome Analysis of the Adipose Tissue of Luchuan and Duroc Pigs[J]. Animals, 2022, 12(17): 2258.
案例4：
发表期刊：Crops
发表时间：2023
Figure 3. Statistics of differentially expressed genes in response to BPH stress.
引用方式：The OmicShare online trend analysis tool (https://www.omicshare.com/tools/Home/Soft/trend) (accessed on 15 May 2022) was used to analyze the trends of the above-mentioned differential genes.
参考文献：
Shi L, He H, Zhang J, et al. Comparative transcriptomic analysis reveals variable responses to the brown planthopper Nilaparvata lugens in different rice cultivars[J]. Crops, 2023, 3(1): 40-52.