- MEGA
MEGA（Molecular Evolutionary Genetics Analysis）（Tamura et al.，2021）也算是分子进化分析中常用的软件，可以用于物种或种群的DNA和蛋白质等序列的多序列比对，并构建进化树、推断分子进化速度。下载地址：https://www.megasoftware.net/。
- Bowtie
Bowtie（Langmead et al.，2009）也是个常用的序列比对软件，最初适用于短序列的比对。Bowtie使用Burrows-Wheeler索引对基因组进行索引，以保持它内存占用较小；它非常快速、使用内存高效，可以以每小时超过2500万个35bp读长的速率将短核苷酸序列与人类基因组进行比对。随着技术的提升，Bowtie2也可用于长序列比对。下载地址： http://bowtie-bio.sourceforge.net/index.shtml。
- BWA
BWA（Burrows-Wheeler Aligner）（Li and Durbin，2009；Li and Durbin，2010）是一个序列比对软件包，用于将低差异序列与大型参考基因组（如人类基因组）进行映射。它由BWA-backtrack、BWA-SW和BWA-MEM三种算法组成。第一个算法是为长度只到100bp的illumina序列文件设计的，而其余的两个算法则是为70bp~1Mb的更长的序列设计的。下载地址：https://sourceforge.net/projects/bio-bwa/files/。
- Cytoscape
Cytoscape（Shannon et al.，2003）是一个开放码源的软件平台，用于复杂网络的可视化，可将其与任何类型的属性数据集成。常用于分子互作或调控网格构建，可对通路数据进行可视化。此外，Cytoscape内有多种的插件可进行生物网络相关的分析。软件官网：https://cytoscape.org/。
- DAVID
DAVID（Database for Annotation, Visualization and Integrated Discovery）（Dennis et al.，2003）为研究人员提供了一套全面的基因功能注释工具，以了解大量基因背后的生物学意义。在网页端就可实现基因集的功能注释，操作简单方便。软件网址：https://david.ncifcrf.gov/home.jsp。
- edgeR
edgeR（Robinson et al.，2010）也是一个R程序包，用于RNA-seq基因表达谱的差异分析，采用基于负二项分布的统计学方法；也可用于ChIP-seq、 ATAC-seq等差异信号的分析。下载地址：https://bioconductor.org/packages/release/bioc/html/edgeR.html。
- featureCounts
featureCounts（Liao et al.，2014）是对映射到基因组的序列进行统计的软件，其快速准确，可对基因、外显子、启动子、基因组特定区域和染色体位置等基因组特征区域进行统计计数。下载地址：http://subread.sourceforge.net/。
- HISAT2
HISAT2（Kim et al.，2019）是一款快速灵敏的序列比对软件，用于有参考基因组的DNA或者RNA测序数据的比对。它使用了HGFM（Hierarchical Graph FM index）的新的索引方法，使得序列比对快速准确。软件网址：https://daehwankimlab.github.io/hisat2/。
- IGV?
IGV（Integrative Genomics Viewer）（Robinson et al.，2011）是一个高性能的、易于使用的基因组数据可视化工具。它具有非常好的交互式功能，支持多种常见的基因组数据，也支持研究者自己生成的数据。可以非常直观地查看各种测序数据中的序列或信号的丰度。软件网址：https://software.broadinstitute.org/software/igv/。
- RSEM
RSEM（Li and Dewey，2011）是用于RNA-seq 数据中估计基因或异构体表达水平的软件包。RSEM软件包支持EM算法的并行计算、单端和双端测序数据。它可计算表达水平的后验均值和 95% 可信区间估计值。它可以产生以转录本坐标或者基因组坐标的BAM 或Wiggle 文件，可直接导入UCSC基因组浏览器或者IGV中查看这些坐标。下载地址：https://github.com/deweylab/RSEM。
- Seurat
Seurat（Hao et al.，2021）是一个R程序包，用于单细胞 RNA-seq 数据分析，可进行数据质控、数据降维、聚类分析、标记基因发现等常用的单细胞数据分析。Seurat 旨在使用户能够从单细胞数据中识别和解释异质性来源，并可整合不同类型的单细胞数据。下载地址：https://github.com/satijalab/seurat/。
