# Workflow der differenziellen Expression für Bulk-RNA-seq · Yila

> Eine dreizeilige Abbildung, die Bulk-RNA-seq-Daten von rohen Paired-End-Reads bis zu einer Liste differenziell exprimierter Gene und einer Pathway-Analyse führt – passend für ein Methodenpanel in der Transkriptomik, einen Verteidigungsvortrag oder ein Handout im Bioinformatikkurs.

URL: https://yila.ai/de/templates/rnaseq-analysis-workflow-figure

Die Abbildung legt die übliche Bulk-RNA-seq-Kette in neun Schritten an. Rohe Reads werden qualitätsgeprüft und von Adaptern befreit, gegen ein Referenzgenom aligniert, sortiert und indiziert und anschließend anhand einer Genannotation gezählt, sodass eine rohe Count-Matrix entsteht. Die Zählwerte werden auf die Library-Größe normalisiert, auf differenzielle Expression getestet und als Volcano-, MA- und Heatmap-Darstellung gezeigt, bevor die Genliste in eine Enrichment-Analyse mit GO und KEGG geht. Danach sollte klar sein, welcher Schritt welche Datei erzeugt und an welcher Stelle die Statistik einsetzt.

- **Qualitätsprüfung der Reads**: Links die Paired-End-Dateien mit einem Qualitätsbericht daneben, so beschriftet, dass klar ist, dass beide Mates geprüft werden.
- **Adapter-Trimming**: Am Pfeil vermerken, was entfernt wird, und getrimmte Dateien anders tönen als rohe, damit die Veränderung sichtbar ist.
- **Alignment**: Das Referenzgenom als Sequenzdatei zeichnen und der Annotation eine eigene Beschriftung geben, statt beides zu vermengen.
- **Zählung pro Gen**: Die Zählung sowohl mit den alignierten Reads als auch mit der Annotation verbinden und das Ergebnis als rohe Count-Matrix benennen.
- **Normalisierung**: Die Normalisierungsmethode nennen und für die Matrizen davor und danach dieselbe Farbskala verwenden, damit sie direkt vergleichbar sind.
- **Test auf differenzielle Expression**: Dieses Panel sollte den Test und die Schwelle für multiples Testen zeigen, keine Dichtekurven normalisierter Zählwerte.
- **Ergebnisplots**: Ein Volcano-Plot trägt die logarithmierte Fold Change auf x; ein MA-Plot die mittlere Expression auf x und die Fold Change auf y.
- **Funktionelles Enrichment**: Die DE-Genliste in einen GO- und einen KEGG-Zweig schicken und die angereicherten Kategorien als Punkt- oder Balkendiagramm zeigen.

- Mechanismusabbildung im Paper, Folien zur Verteidigung, Vorlesungsunterlagen, Wissenschaftliches Poster

- **MA-Achsen vertauscht**: Der MA-Plot des Beispiels setzt die mittlere Expression auf die senkrechte und die logarithmierte Fold Change auf die waagerechte Achse – umgekehrt zur M-gegen-A-Konvention, die Gutachter erwarten. Tauschen Sie die Achsenbeschriftungen vor der Verwendung.
- **Der siebte Schritt zeigt das Falsche**: Das Panel zur differenziellen Expression zeigt Dichtekurven mit und ohne Normalisierung statt eines Tests. Ersetzen Sie es durch Signifikanzschwelle, Korrekturverfahren und die Zahl hoch- und herunterregulierter Gene.
- **Annotation ist nicht das Genom**: Das Beispiel bezeichnet die GTF-Datei als Referenzgenom, doch eine GTF enthält die Genannotation. Das Alignment braucht die Genomsequenz, die Zählung die Annotation; beide Eingaben gehören auf getrennte Beschriftungen.
- **Replikate und Batches**: Gutachter fragen, wie viele biologische Replikate jede Gruppe hat und ob der Batch modelliert wurde. Ist Ihre Abbildung eine einzige gerade Pipeline, ergänzen Sie neben der Count-Matrix eine kurze Notiz zum Versuchsdesign mit Gruppen, Replikaten und einem etwaigen Batch-Term.

## FAQ

### Kann die Abbildung direkt in mein Paper?

Sie eignet sich als Ausgangspunkt für ein Methodenschema. Es ist ein KI-generiertes PNG; das Beispiel hat vertauschte Achsen im MA-Plot und ein Testpanel, das stattdessen Verteilungen zeigt. Prüfen Sie jeden Schritt gegen Ihre Pipeline und verfeinern Sie im Chat, bis die Abbildung den Anforderungen der Zeitschrift genügt.

### Kann ich Schritte oder Werkzeugnamen ändern?

Nicht Element für Element, aber im Chat mit Yila: Trimming streichen, das Alignment auf Pseudoalignment umstellen, eine Batch-Korrektur ergänzen oder den KEGG-Zweig entfernen und dann eine neue Version mit diesen Änderungen anfordern.

### Welches Format bekomme ich?

Ein KI-generiertes PNG, bereit für Paper, Handout oder Folie. Es ist keine Vektorgrafik, und die kleinen Beschriftungen in Volcano-Plot, MA-Plot und Heatmap können beim Verkleinern verschwimmen; sehen Sie sich das Bild vor der Einreichung in der endgültigen Spaltenbreite an.

### Was kostet das?

Seite und Beispiel anzusehen kostet nichts. Das Erzeugen in Yila verbraucht Credits; jedes neue Konto erhält 2.500 Credits, genug, um die Pipeline über mehrere Bearbeitungsrunden an Ihren Aligner, Ihre Zählmethode und Ihre Enrichment-Datenbanken anzupassen.

### Ich arbeite mit Einzelzelldaten. Passt das?

Die Abbildung ist für Bulk-RNA-seq gebaut, bei der der Test Zählwerte auf Probenebene voraussetzt. Einzelzellanalysen ergänzen Barcode-Demultiplexing, Clustering und Zelltyp-Annotation; beschreiben Sie also eine Einzelzell-Pipeline im Prompt und lassen Sie die Schritte neu anordnen.

### Kann die Plotzeile meine echten Ergebnisse zeigen?

Sie können den Stil von Volcano-Plot, MA-Plot und Heatmap genauer beschreiben, doch die Punkte in einer erzeugten Abbildung sind illustrativ und tragen keine Daten. Stellen Sie Ihre echten Plots in den Ergebnisteil und behalten Sie diese Zeile als beschriftete Platzhalter im Workflow.

---

- [Workflow der differenziellen Expression für Bulk-RNA-seq](https://yila.ai/de/templates/rnaseq-analysis-workflow-figure)
- [llms.txt](https://yila.ai/de/llms.txt)
