DEApp 是一个用来对 RNA-seq 进行差异表达分析的工具。在这个工具当中，我们可以上传 RNA-seq 的原始数据进而基于不同的分组来进行差异表达分析。在DEApp当中，可以使用edgeR, limma以及DESeq2 三个主流的算法来进行差异表达分析。同时也可以对三个算法的差异分析结果进行整合。

工具使用

在差异表达分析方面，除了基本的单因子的实验设计，例如 case vs control。在 DEApp 也可以进行多因子的实验设计的差异分析。

下面就以单因子的实验设计来进行演示。对于这类的分析类工具，主要就是上传符合工具要求的数据格式即可。在数据上传方面，DEApp 可以上传三个类型的数据，

在数据上传完成之后，点击下一步，就可以看关于每一个样本 RNA-seq 的一些探索性分析的结果。其中还包括基于 MDS 分析的样本降维分析结果。

在讲过查看之后，下一步就可以进行差异表达分析了，DEApp 提供了三种算法的差异分析。我们可以选择自己想要的算法来查看结果。例如，这里我们选择 limma的结果。在简单的指定分组和筛选差异表达的cut off值之后，就可以看到具体的差异分析的结果和简单的统计分析的情况了。

以上就是进行差异分析的具体过程了。除了基本的分析，DEApp 还可以用来比较三个算法的差异基因情况。例如刚刚那个数据，就可以看到有2490个基因在三个算法当中都存在差异分析情况。

以上就是这个这个工具的主要使用过程了。 对于 RNA-seq 差异分析而言，是组学分析的基础。随着测序越来越普及，每个课题组肯定手里也有一些 RNA-seq 的数据。但是对于数据的分析而言，这类简单但是又使用的工具还是可以极大的降低数据分析的门槛的。所以如果有 RNA-seq 的数据想要进行差异分析的话，可以用一下这个工具的哦。