Cufflink
Cufflinks是一款在生物信息学领域中广泛使用的软件套件，主要用于RNA-seq数据的分析。能够根据比对的结果（alignments）来组装转录本，估计这些转录本的丰度，并且检测样本间的差异表达及可变剪接。
Cufflinks套件包括四个主要部分：
- cufflinks：用于组装转录本并估计其丰度。
- cuffcompare：用于比较两个或多个转录本集合的相似性。
- cuffmerge：用于将多个转录本集合合并成一套转录本集合。
- cuffdiff：用于衡量两个或多个样本间差异表达的基因。
RSeQC
RSeQC是一款RNA-Seq比对质量控制工具，它提供了一系列有用的小工具，能够评估高通量测序数据的质量。RSeQC特别适用于RNA-Seq数据的分析，它包含了一些基本模块，如检查序列质量、核酸组分偏性、PCR偏性和GC含量偏性等。此外，RSeQC还提供了一些RNA-Seq特异性模块，如评估测序饱和度、映射读数分布、覆盖均匀性、链特异性以及转录水平RNA完整性等。
RSeQC是一个python工具包，包含了一系列的单独小脚本：
- read_distribution.py：用于计算和展示reads在基因组特征（如外显子、内含子和非翻译区）上的分布情况。用于了解测序数据在基因结构上的覆盖情况。
- geneBody_coverage.py：用于评估reads在基因体（gene body）上的覆盖均匀性。它能够生成覆盖度折线图和热图，帮助用户识别可能的测序偏差。
- junction_annotation.py：用于统计reads在剪接位点的分布情况，包括与参考基因组完全一致、部分一致和完全不一致的剪接位点。这对于评估剪接事件的检测和注释非常重要。
- junction_saturation.py：用于评估测序饱和度，通过分析剪接位点的读数分布来判断测序深度是否足够。
- mismatch_profile.py：用于显示不匹配位点在reads位置的统计情况，有助于识别测序错误或序列变异。
- read_duplication.py：用于统计重复序列的分布，包括定义序列相同的重复序列和定位到同一位置的重复序列，这对于评估PCR偏性非常重要。
- read_GC.py：用于计算和展示reads的GC含量分布，有助于识别可能的GC偏性。
- inner_distance.py：用于计算插入片段大小，这对于评估文库制备的质量和测序策略的有效性非常重要。
- RPKM_saturation.py：对于每个基因，检查RPKM值是否饱和。饱和度分析基于重新采样。例如，样品5%、10%，从总映射读数中计算95%、100%，然后计算每一步的RPKM值。