理解不同生物在不同条件下表型差异的关键是确定不同条件下差异表达基因(DEGs)。转录组的高通量测序（RNA-Seq）是研究当前问题的一个主要策略。因此，利用RNA-Seq数据进行差异分析的方法和软件在近些年得到了长远的发展。但是并没有人考虑最合适的pipeline用来做RNA-Seq数据的差异分析。
最近来自巴西联邦大学(Federal University of Technology, Brazil)的研究人员对于当前六种mapping方法和九种差异表达分析的方法进行了综述。用来评估各种方法是基于RNA-Seq数据，qRT-PCR数据做为参考(gold standard)。同时他们也开发了一款软件可以用来展示论文中所有的分析。结果显示，mapping的方法只有很小的影响在最后结果的分析上面。考虑到实验所采用的数据模型，利用 limma+voom，NOIseq和DESeq2的三种分析方法得到的结果更加一致(consensus)。这种结果暗示综合多种分析方法产生的差异表达基因更加准确。
论文分析的流程图
文献来源：
Costa-Silva J, Domingues D, Lopes FM (2017) RNA-Seq differential expression analysis: An extended review and a software tool. PLoS ONE 12(12): e0190152.
