Introduction to ChIP-seq experiments. Why are they interesting? What sort of phenomena can be studied with ChIP-seq and what can we learn from these experiments.

What is ChIP-seq?

ChIP-seq recap

Sequencing data

Peak calls

ChIP-seq Workflow

Heat map

Genes that make a difference

ChIP-seq results summary

Understanding ChIP-seq data

Introduction to ChIP-seq

Now the ChIP-seq analysis begins in earnest. This chapter introduces Bioconductor tools to import and clean the data.

Mengimpor data

Membaca file BAM

Membaca berkas BED

Melihat puncak lebih dekat

Memplot suatu region secara mendetail

Menambahkan Anotasi

Membersihkan data ChIP-seq

Menghapus wilayah daftar hitam

Menyaring read

Bandingkan data yang telah difilter dengan pembacaan mentah

Menilai pengayaan

Menghitung coverage

Puncak vs latar belakang

Back to Basics - Preparing ChIP-seq data

This chapter introduces techniques to identify and visualise differences between ChIP-seq samples.

Introduction to differential binding

Do these samples look the same to you?

Clustering samples

Visualising differences in protein binding

Testing for differential binding

Loading Read Counts

Setting-up the model

Fitting the model

Revisiting PCA and Heat map

A closer look at differential binding

MA plot

Volcano plot

Summarising differences in protein binding

Comparing ChIP-seq samples

Being able to identify differential binding between groups of samples is great, but what does it mean?  This chapter discusses strategies to interpret differential binding results to go from peak calls to biologically meaningful insights.

Interpreting ChIP-seq peaks

Consolidating peaks

Using Annotations

Annotating peaks

Which peaks are different?

Interpreting Gene lists

Associating peaks with genes

Finding common themes

Understanding the impact on pathways

A closer look at pathways

Advanced ChIP-seq analyses

From Peaks to Genes to Function

Androgen Receptor ChIP-seq Peaks dataset

Chromosome 20 dataset

Analisis ChIP-seq merupakan cabang penting bioinformatika. Analisis ini memberikan jendela untuk memahami mesin biologis yang membuat sel-sel dalam tubuh kita berfungsi. Baik itu sel otak yang membantu Anda membaca halaman web ini maupun sel imun yang berpatroli mencari mikroorganisme penyebab penyakit, semuanya membawa genom yang sama. Yang membedakan adalah gen mana yang aktif pada waktu tertentu. Gen-gen ini ditentukan oleh sistem kompleks protein yang dapat mengaktifkan dan menonaktifkan gen. Ketika mesin regulasi ini lepas kendali, hal itu dapat memicu kanker dan penyakit melemahkan lainnya. Analisis ChIP-seq memungkinkan kita memahami fungsi protein pengatur, bagaimana kontribusinya terhadap penyakit, serta memberi wawasan tentang cara kita dapat melakukan intervensi untuk mencegah sel keluar dari kendali. Dalam kursus ini, Anda akan mengeksplorasi himpunan data nyata sambil mempelajari cara memproses dan menganalisis data ChIP-seq di R.

Intermediate R

Introduction to Bioconductor in R

Pelajari analisis dan interpretasi data ChIP-seq dengan Bioconductor menggunakan dataset kanker manusia.

ChIP-seq dengan Bioconductor di R

Pelajari cara menganalisis dan menafsirkan data ChIP-seq dengan bantuan Bioconductor menggunakan dataset kanker manusia.

Analisis Data Genomik di R

Menghitung coverage

ChIP-seq dengan Bioconductor di R

Petunjuk latihan

Latihan interaktif praktis