太愁了！这个分析需要哪种数据？原始count？标准化？抽平？FPKM？TPM？

主要观点总结

本文主要涉及数据处理和分析中常见的问题和解决方法，包括数据格式的选择、数据处理方式、PCA分析中的数据使用、数据标准化、差异分析、数据转换等话题。同时，也提及了一些相关工具和资源，如IMP植物核基因组数据库、SCI在线绘图工具等。

关键观点总结

关键观点1: 数据格式的选择和处理

文章讨论了数据格式的选择，如基因在行、样品在列，还是样品在行、基因在列。同时强调了数据处理的必要性，包括标准化、差异分析等步骤。

关键观点2: 数据处理工具

文章提到了DESeq2和edgeR等工具进行差异分析，并强调了数据标准化、差异检验和显著差异筛选是三个独立步骤，不能因为一个函数可以完成就混淆。

关键观点3: 数据转换的重要性

文章强调了数据转换的目的，包括优化数据、展现数据分布规律、减小异常值的影响等。同时提到需要根据实际情况尝试不同的转换方法。

关键观点4: 资源和工具介绍

文章还介绍了一些相关资源和工具，如IMP植物核基因组数据库、SCI在线绘图工具等。