Résumé du workflow d’analyse DE pour l’ARN-Seq

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

Parcourons le workflow DESeq2 en utilisant l’ensemble de données complet, qui inclut à la fois les échantillons de type sauvage et ceux en sur-expression de smoc2. Nous avons chargé pour vous les bibliothèques DESeq2 et dplyr, ainsi que le fichier de métadonnées all_metadata et le fichier de comptes bruts all_rawcounts.

full metadata

Cet exercice fait partie du cours

RNA-Seq avec Bioconductor en R

Afficher le cours

Instructions

Vérifiez que les échantillons sont dans le même ordre dans all_rawcounts et all_metadata en utilisant rownames(), colnames(), all() et l’opérateur %in%.
Créez l’objet DESeq2 avec le design approprié, en testant l’effet de condition tout en contrôlant genotype.
Créez l’objet DESeq2 avec le design approprié, en contrôlant séparément genotype et condition, mais en testant genotype:condition.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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