Metadaten und Count-Daten abgleichen

Um Analysen mit DESeq2 durchzuführen, müssen wir ein DESeq2-Objekt erstellen, indem wir Roh-Counts, Metadaten und die Design-Formel angeben. Dazu lesen wir die zuvor erstellten Roh-Count-Daten und zugehörigen Metadaten ein, stellen sicher, dass die Probennamen in beiden Datensätzen in der gleichen Reihenfolge sind, und erstellen dann ein DESeq2-Objekt für die Differential-Expressions-Analyse. Wir verwenden die Design-Formel ~ condition, um auf Differentialexpression zwischen den Bedingungen (normal und Fibrose) zu testen.

Die Bibliotheken DESeq2 und dplyr wurden für dich geladen, und die Dateien smoc2_rawcounts und smoc2_metadata wurden eingelesen.

Diese Übung ist Teil des Kurses

RNA-Seq mit Bioconductor in R

Kurs anzeigen

Anleitung zur Übung

Verwende die Funktion match(), um die Indizes zu erhalten, wie die Spalten der Count-Daten umsortiert werden müssen, damit sie der Reihenfolge der Zeilennamen der Metadaten entsprechen. Weise das Ergebnis reorder_idx zu.
Sortiere die Spalten der Count-Daten mit reorder_idx so um, dass die Spaltennamen der Reihenfolge der Zeilennamen in den Metadaten entsprechen.
Erstelle ein DESeq2-Objekt dds_smoc2 mit der Funktion DESeqDataSetFromMatrix() unter Verwendung der Metadaten und der umsortierten Counts.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Use the match() function to reorder the columns of the raw counts
reorder_idx <- match(___(___), ___(___))

# Reorder the columns of the count data
reordered_smoc2_rawcounts <- smoc2_rawcounts[ , ___]

# Create a DESeq2 object
dds_smoc2 <- DESeqDataSetFromMatrix(countData =  ___,
                              colData =  ___,
                              design = ~ condition)

Code bearbeiten und ausführen