Přehled RNA-Seq DE workflow

POZNÁMKA: Načtení tohoto cvičení může chvíli trvat.

Projdeme si DESeq2 workflow na plném datasetu, který obsahuje jak wildtype, tak smoc2 overexpression vzorky. Knihovny DESeq2 a dplyr jsou už načtené a k dispozici máš také soubor s metadaty all_metadata a soubor se surovými počty all_rawcounts.

full metadata

Toto cvičení je součástí kurzu

RNA-Seq s Bioconductorem v R

Zobrazit kurz

Pokyny k cvičení

Ověř, že vzorky jsou ve stejném pořadí v all_rawcounts i all_metadata – použij funkce rownames(), colnames(), all() a operátor %in%.
Vytvoř objekt DESeq2 s vhodným designem, který testuje vliv condition při kontrole genotype.
Vytvoř objekt DESeq2 s vhodným designem, který kontroluje genotype a condition samostatně, ale testuje genotype:condition.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Check that all of the samples are in the same order in the metadata and count data
all(___(___) %in% ___(___))

# DESeq object to test for the effect of fibrosis regardless of genotype
dds_all <- DESeqDataSetFromMatrix(countData = ___,
                        colData = ___,
                        design = ___)

# DESeq object to test for the effect of genotype on the effect of fibrosis                        
dds_complex <- DESeqDataSetFromMatrix(countData = ___,
                                ___,
                                ___)

Upravit a spustit kód