Résumé du flux de travail RNA-Seq pour l'ED

REMARQUE : Le chargement de cet exercice peut prendre un peu plus de temps.

Parcourons le flux de travail DESeq2 en utilisant l'ensemble de données complet, qui inclut à la fois les échantillons de type sauvage et ceux en surexpression de smoc2. Nous avons chargé pour vous les bibliothèques DESeq2 et dplyr, ainsi que le fichier de métadonnées all_metadata et le fichier de dénombrements bruts all_rawcounts.

full metadata

Cette activité fait partie du cours

RNA-Seq avec Bioconductor dans R

Voir le cours

Instructions de l’exercice

Vérifiez que les échantillons sont dans le même ordre dans all_rawcounts et all_metadata à l'aide de rownames(), colnames(), all() et de l'opérateur %in%.
Créez l'objet DESeq2 avec la modélisation appropriée pour tester l'effet de condition tout en contrôlant pour genotype.
Créez l'objet DESeq2 avec la modélisation appropriée en contrôlant séparément genotype et condition, mais testez l'interaction genotype:condition.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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 = ___,
                                ___,
                                ___)

Modifier et exécuter le code