Mencocokkan metadata dan data hitungan

Untuk melakukan analisis apa pun dengan DESeq2, kita perlu membuat objek DESeq2 dengan menyediakan hitungan mentah, metadata, dan rumus desain. Untuk itu, kita perlu membaca data hitungan mentah dan metadata terkait yang telah kita buat sebelumnya, memastikan nama sampel berada dalam urutan yang sama pada kedua himpunan data, lalu membuat objek DESeq2 untuk digunakan dalam analisis ekspresi diferensial. Kita akan menggunakan rumus desain ~ condition untuk menguji ekspresi diferensial antar kondisi (normal dan fibrosis).

Pustaka DESeq2 dan dplyr telah dimuat untuk Anda, dan berkas smoc2_rawcounts serta smoc2_metadata telah dibaca.

Latihan ini adalah bagian dari kursus

RNA-Seq dengan Bioconductor di R

Lihat Kursus

Petunjuk latihan

Gunakan fungsi match() untuk mengembalikan indeks cara mengurutkan ulang kolom data hitungan agar sesuai dengan urutan nama baris metadata. Tetapkan hasilnya ke reorder_idx.
Urutkan ulang kolom data hitungan dengan reorder_idx sehingga nama kolom sesuai dengan urutan nama baris pada metadata.
Buat objek DESeq2, dds_smoc2, menggunakan fungsi DESeqDataSetFromMatrix() dengan metadata dan hitungan yang telah diurutkan ulang.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Use the match() function to reorder the columns of the raw counts
reorder_idx <- match(___(___), ___(___))

# Reorder the columns of the count data
reordered_smoc2_rawcounts <- smoc2_rawcounts[ , ___]

# Create a DESeq2 object
dds_smoc2 <- DESeqDataSetFromMatrix(countData =  ___,
                              colData =  ___,
                              design = ~ condition)

Edit dan Jalankan Kode