Resumen del flujo de trabajo de DE en RNA-Seq

NOTA: Cargar este ejercicio puede tardar un poco más.

Recorramos el flujo de trabajo de DESeq2 usando el conjunto de datos completo, que incluye tanto muestras wildtype como con sobreexpresión de smoc2. Hemos cargado por ti las librerías DESeq2 y dplyr, y hemos leído el archivo de metadatos all_metadata y el archivo de cuentas sin procesar all_rawcounts.

full metadata

Este ejercicio forma parte del curso

RNA-Seq con Bioconductor en R

Ver curso

Instrucciones del ejercicio

Comprueba que las muestras están en el mismo orden en all_rawcounts y all_metadata usando rownames(), colnames(), all() y el operador %in%.
Crea el objeto de DESeq2 usando el diseño adecuado, evaluando el efecto de condition mientras controlas por genotype.
Crea el objeto de DESeq2 usando el diseño adecuado, controlando por genotype y condition individualmente, pero realizando la prueba para genotype:condition.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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 = ___,
                                ___,
                                ___)

Editar y ejecutar código