高通量数据分析和可视化平台，NASQAR使用指南_数据库使用指南_实用技巧

由于下一代测序（NGS）技术的快速发展，近年来基因组数据经历了巨大的增长。因此，用于数据集分析和可视化的软件和工具的数量也在不断增加。目前多数基因组数据分析工具需要编程/脚本语言（R、Python、shell等）的知识和经验，满足软件/硬件需求和解决软件依赖关系，但缺乏图形用户界面（GUI），对于大多数研究人员不太“友好“。

今天为大家介绍一个最新的基因组数据分析平台：NASQAR（Nucleic Acid SeQuence Analysis Resource：http://nasqar.abudhabi.nyu.edu/）。

它将目前多种测序数据流行的高级分析和可视化工具封装在直观的web界面中，具有以下特点：

① 用户友好，降低生物信息学分析和可视化操作门槛。平台可以进行数据质量控制和探索性分析，生成可发表级数据文件（如标准化数据）和图形文件（PCA、热图、密度图和UMAP / t-SNE图等等)。

② 集成多种开源软件包，无需安装即可在个人电脑上使用。

③ 模块化设计，可以单独使用数据预处理、RNA-Seq分析、基因富集分析等功能。

虽然现在有许多基于web的生物信息学分析工具，但大多数只专注某一种数据类型的分析（单细胞RNA-seq、宏基因组等)，如START、DEApp、TCC-GUI、Shiny-seq、GENAVi、 is-CellR和Shaman。

之前我们介绍过GENAVi，它采用多种R包简化了RNA-Seq从预处理一直到基因富集的分析流程。这种方法通常是可取的，但也限制了用户只需要执行一种功能的需求（如基因富集）。NASQAR集成了上述工具的所有分析功能，每一个分析模块可以作为独立的单元访问，使用开源R数据分析包，还可以进一步的开发（如下图）。

下面为大家详细介绍NASQAR分析平台的功能及使用方法。功能包括合并基因计数、基因id转换、mRNA差异表达分析、宏基因组数据分析和功能富集分析。

NASQAR集成的应用主要为R包，包括使用DESeq2、limma和EdgeR进行基因差异表达分析，使用Seurat进行单细胞RNAseq分析和可视化（包括数据过滤、标准化、PCA降维、聚类和UMAP/t-SNE等），使用clusterProfiler进行基因集富集分析（GSEA）和过表达分析（ORA）等。

一、GeneCountMerger

GeneCountMerger主要用于数据的预处理，可以合并单个原始基因计数文件（如htseq-count和featureCounts）。选项包括：

•合并单个样本计数文件到一个矩阵

•合并多个原始计数矩阵

•将Ensembl id转换为基因名

•选择可用基因组

•添加pseudoCounts

•重命名样本名

•下载合并counts文件（csv格式）

•合并转录组分析结果（Seurat Wizard分析单细胞数据；DESeq2Shiny或START分析RNA数据）。

二、Seurat wizards

Seurat wizards使用Seurat包对单细胞RNAseq数据进行质控和分析。允许用户调整可视化中间步骤的输出和状态参数。Seurat wizards相比大多数scRNA-seq分析的web工具，如IS-CellR和SCHNAPPs，使用更为灵活。同时Seurat wizards通过绘制小提琴图检查细胞的分布情况，用户选择相应的截止阀值即可对细胞进行过滤。Elbow/Jackstraw图可以帮助用户在决定是否使用非线性降维。这两种功能都会对后续细胞集群和基因差异分析产生重大影响。

三、DESeq2Shiny

DESeq2Shiny模块封装了DESeq2，用于对RNA-seq数据执行差异表达分析。它提供了数据标准化、转换（用于聚类的rlog和vst转换)以及估计离散度和差异倍数（fold-change）功能。分析结果提供csv格式文件下载，数据可视化包括火山图、热图、密度图、基因表达箱线图和主成分分析图。

640 (1).png

四、ClusterProfilerShiny

ClusterProfilerShiny集成了clusterProfiler包，实现了基因组坐标、基因和基因簇的功能的分析和可视化。用户可以使用上游的DESeq2Shiny导入分析数据。允许对GO和KEGG通路进行快速、简单的过表达分析(ORA)和基因集富集分析(GSEA)。分析结果包括点图、词云图、类别网图、基因富集图、GSEA图和KEGG路径图（Pathview包）。

640 (1).png

NASQAR功能还在持续增加，如新冠Covid-19流行病学数据分析工具。用户可以浏览NASQAR所有应用程序的功能/工作参数及过程代码，同时分析结果便于下载使用。用户还可以记录和分享整个工作流程所使用的特定命令和参数，分析具有可重现性。

640 (2).png

简而言之，NASQAR平台为转录组数据（包括单细胞RNA数据）、宏基因组学等多种数据提供了一个公共、综合的交互式生物信息学和可视化分析平台，方便不精通编程的研究人员使用。NASQAR目前通过NYU（与Docker/Swarm合作）和AWS Cloud（与Kubernetes合作）提供在线服务，可以有效保护数据隐私。同时NASQAR还在不断进行开发，为用户提供更多、更强的数据分析功能。

科研星球

高通量数据分析和可视化平台，NASQAR使用指南

标签