转录组即某个物种或特定细胞在某一功能状态下产生的所有RNA的总和，是研究细胞表型和功能的一个重要手段。与基因组不同的是，转录组的定义中包含了时间和空间的限定。同一细胞在不同的生长时期及生长环境下，其基因表达情况是不完全相同的。转录组测序（RNA-Seq）是指利用第二代高通量测序技术进行cDNA测序，全面快速地获取某一物种特定器官或组织在某一状态下的几乎所有转录本。相对于传统芯片而言，RNA-Seq无需预先设计探针，即可对任意物种的任意细胞类型的转录组进行检测，能够提供更精确的数字化信号，更高的检测通量以及更广泛的检测范围，是目前深入研究转录组复杂性的强大工具。
流程
1. 全转录组总RNA提取；
2. mRNA分离和文库构建；
3. 高通量测序；
4. 数据处理与生物信息学分析；
5. 测序报告生成
生物信息分析
(一)无参考基因组序列的转录组
1. 标准信息分析
1) 对原始数据进行去除接头序列及低质量reads的处理；
2) 数据产出统计及测序数据的成分和质量评估；
3) 进行基因表达定量分析
4) 组装结果分析；
5) Unigene功能注释及COG分析；GO分类；pathway分析；NR分析；Swissprot分析
6) Unigene表达差异分析；
7) 差异基因的表达模式聚类分析
8) 差异表达基因的GO功能富集分析和Pathway富集性分析；
9) 差异表达基因的蛋白互作网络分析；
10) SNP分析
2. 高级分析
转录调控网络分析，及网络图构建和重要TF分析；
通路交互网络分析，重要通路分析。
差异表达基因共表达分析，构建网络图
转录因子活性分析，预测最重要的转录因子；
基因共上游调控元件预测
miRNA预测，预测调控靶基因的重要miRNA
主成分分析
(二)有参考基因组序列的转录组
1. 标准信息分析
1) 对原始数据进行去除接头污染序列及低质量 reads 的处理
2) 参考基因组比对
3) 进行基因表达定量分析
4) 可变剪切分析（真核）
5) 新转录本预测：新mRNA和新lncRNA预测
6) 差异表达基因分析（2个或者2个以上的样本）
7) 差异基因的表达模式聚类分析
8) 差异基因的GO功能富集分析和KEGG PATHWAY富集分析
9) 差异基因的蛋白互作网络分析
10) SNP分析
2. 高级分析
lncRNA-mRNA表达关联性分析，及网络图构建；
转录调控网络分析，及网络图构建和重要TF分析；
通路交互网络分析，重要通路分析。
差异表达基因共表达分析，构建网络图
转录因子活性分析，预测最重要的转录因子；
基因共上游调控元件预测
miRNA预测，预测调控靶基因的重要miRNA
主成分分析
药物小分子预测分析（适用于人类），得到最相关的药物小分子。
动物实验
