Sebagai awal, Anda akan meninjau tujuan analisis ekspresi diferensial, mengelola data ekspresi gen menggunakan R dan Bioconductor, serta menjalankan analisis ekspresi diferensial pertama Anda dengan limma.

Analisis perbedaan ekspresi

Aplikasi analisis ekspresi diferensial

Data ekspresi diferensial

Buat boxplot

Kelas ExpressionSet

Buat objek ExpressionSet

Buat boxplot dengan objek ExpressionSet

Paket limma

Menentukan model linear untuk membandingkan 2 grup

Uji perbedaan ekspresi antara 2 kelompok

Analisis Ekspresi Diferensial

Pada bab ini, Anda akan mempelajari cara membangun model linear untuk menguji ekspresi diferensial pada rancangan eksperimen yang umum.

Model linear yang fleksibel

Matriks rancangan untuk model rata-rata per grup

Matriks kontras untuk rata-rata grup

Uji perbedaan ekspresi untuk rata-rata kelompok

Studi dengan lebih dari dua kelompok

Matriks desain untuk 3 grup

Matriks kontras untuk 3 grup

Uji ekpresi diferensial untuk 3 grup

Rancangan percobaan faktorial

Matriks desain untuk faktorial 2x2

Matriks kontras untuk faktorial 2x2

Uji perbedaan ekspresi untuk faktorial 2x2

Model Fleksibel untuk Rancangan Studi Umum

Setelah mempelajari cara melakukan pengujian ekspresi diferensial, selanjutnya Anda akan mempelajari cara menormalkan dan menyaring fitur data, memeriksa efek batch teknis, serta menilai hasilnya.

Normalisasi dan penyaringan

Normalisasi

Memfilter gen

Mengatasi efek batch teknis

Visualisasikan efek batch

Hapus efek batch

Memvisualisasikan hasil

Histogram nilai p

Plot volcano

Pengujian pengayaan

Jalur KEGG

Kategori gene ontology

Pra-pemrosesan dan pascapemrosesan

Pada bab terakhir ini, Anda akan menggunakan keterampilan baru Anda untuk melakukan analisis ekspresi diferensial menyeluruh pada sebuah studi dengan rancangan faktorial guna menilai dampak obat kanker doxorubicin pada jantung tikus dengan latar belakang genetik yang berbeda.

Pramuat data

Pra-pemrosesan fitur

Boxplot Top2b

Periksa sumber variasi

Modelkan data

Matriks desain

Matriks kontras

Uji perbedaan ekspresi

Periksa hasil

Histogram p-value

Plot vulkano

Pengkayaan jalur

Kesimpulan

Studi Kasus: Dampak Perlakuan Doxorubicin

Doxorubicin dataset

Leukemia dataset

Hypoxia dataset

Teknologi genomik fungsional seperti mikroarray, sekuensing, dan spektrometri massa memungkinkan ilmuwan mengumpulkan pengukuran tingkat ekspresi gen secara tidak bias dalam skala genom. Baik Anda menghasilkan data sendiri maupun ingin mengeksplorasi banyak himpunan data yang tersedia untuk umum, Anda terlebih dahulu perlu mempelajari cara menganalisis jenis eksperimen ini. Dalam kursus ini, Anda akan diajarkan cara menggunakan paket R/Bioconductor yang serbaguna, limma, untuk melakukan analisis ekspresi diferensial pada rancangan eksperimen yang paling umum. Selain itu, Anda akan mempelajari cara praproses data, mengidentifikasi dan mengoreksi efek batch, menilai hasil secara visual, serta melakukan pengujian pengayaan. Setelah menyelesaikan kursus ini, Anda akan memiliki strategi analisis umum untuk memperoleh wawasan dari studi genomik fungsional apa pun.

Introduction to Statistics in R

Pelajari cara menggunakan paket R/Bioconductor limma untuk analisis ekspresi diferensial.

Analisis Ekspresi Diferensial dengan limma di R

Pelajari cara menggunakan paket Bioconductor limma untuk analisis ekspresi gen yang berbeda.

Analisis Data Genomik di R

Aplikasi analisis ekspresi diferensial

Analisis Ekspresi Diferensial dengan limma di R

Latihan interaktif langsung