使用 ArrayAnalysis 进行用户友好的转录组数据分析

转录组学谱分析已成为现代生物医学研究的基石。为使转录组学分析能够为更广泛的科学界所用，特别是包括生物信息学专业知识有限的研究人员，我们于2013年推出了 ArrayAnalysis，作为一个面向微阵列数据分析的用户友好型网页应用程序。现今，我们推出了其重大更新版本（https://arrayanalysis.org），引入了一个高度交互的平台，促进对微阵列和 RNA-seq 数据的专门探索与分析，并支持生成可直接用于发表的输出结果。用户可通过顺序式、交互式工作流程执行关键分析步骤，包括数据预处理与质量控制、差异表达分析以及基因集分析。在每个步骤中，该应用程序均提供交互式可视化，并配有信息页面以支持结果解释。用户可以动态调整图形布局和配色方案，并将图形导出为矢量图和高分辨率光栅图像。对于非专业用户，ArrayAnalysis 提供逐步指导，以支持正确使用并促进学习；而对于经验丰富的生物信息学家，它则提供了简化且灵活的工作流程，非常适合需要高效且一致处理的大规模分析。ArrayAnalysis 既可作为网页应用程序使用，也可在本地部署为桌面应用程序、Docker 镜像或 R 软件包，从而适用于多样化的计算环境、用户群体和分析目的。总之，ArrayAnalysis 使广泛的生物医学研究人员群体能够充分释放转录组数据的全部潜力。

转录组分析已成为现代生物医学研究的基石。为使转录组分析能够为更广泛的科学界所使用，特别是包括生物信息学专业知识有限的研究人员，我们于2013年推出了 ArrayAnalysis，作为一个用户友好的、基于网络的微阵列数据分析应用。现我们发布其重大更新版本（https://arrayanalysis.org），引入了一个高度交互的平台，以支持对微阵列和 RNA-seq 数据进行专门的探索与分析，并能够生成可直接用于发表的输出结果。用户可通过顺序式、交互式工作流程执行关键分析步骤，包括数据预处理与质量控制、差异表达分析以及基因集分析。在每一步中，该应用均提供交互式可视化，并配有信息页面以支持结果解读。用户可以动态调整图形布局和配色方案，并将图形导出为矢量图和高分辨率光栅图像。对于非专业用户，ArrayAnalysis 提供分步指导，以支持正确使用并促进学习；而对于有经验的生物信息学研究人员，它则提供了简洁且灵活的工作流程，非常适合需要高效且一致处理的大规模分析。ArrayAnalysis 既可作为网络应用使用，也可在本地部署为桌面应用程序、Docker 镜像或 R 软件包，因此适用于多样化的计算环境、用户群体和分析目的。总而言之，ArrayAnalysis 赋能广大的生物医学研究群体，充分释放转录组数据的全部潜力。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.13.738193v1?rss=1

🏷️ 转录组分析 微阵列 RNA-seq 差异表达分析 基因集分析 生物信息学工具