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.

Importare i dati

Lettura di file BAM

Lettura di file BED

Diamo un'occhiata più da vicino ai picchi

Rappresentare in dettaglio una regione

Aggiungere annotazioni

Pulire i dati ChIP-seq

Rimozione delle regioni in blacklist

Filtrare le letture

Confronta i dati filtrati con i read grezzi

Valutare l'arricchimento

Calcolare la coverage

Picchi vs background

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

L’analisi ChIP-seq è un ramo fondamentale della bioinformatica. Ci offre uno sguardo dentro la macchina che fa funzionare le cellule del nostro corpo. Che si tratti di un neurone che ti aiuta a leggere questa pagina web o di una cellula immunitaria che pattuglia il corpo alla ricerca di microrganismi che potrebbero farti ammalare, tutte portano lo stesso genoma. Ciò che le distingue sono i geni attivi in un dato momento. Quali geni si attivano è determinato da un complesso sistema di proteine che possono accendere e spegnere i geni. Quando questa macchina di regolazione finisce fuori controllo, può portare a tumori e ad altre malattie debilitanti. L’analisi ChIP-seq ci permette di capire la funzione delle proteine regolatorie, come possano contribuire alla malattia e fornisce spunti su come potremmo intervenire per evitare che le cellule vadano fuori controllo. In questo corso esplorerai un insieme di dati reale mentre impari a processare e analizzare dati ChIP-seq in R.

Intermediate R

Introduction to Bioconductor in R

Impara ad analizzare e interpretare dati ChIP-seq con Bioconductor usando un dataset di cancro umano.

ChIP-seq con Bioconductor in R

Impara come analizzare e interpretare i dati ChIP-seq con l'aiuto di Bioconductor usando un set di dati sul cancro umano.

Analizzare i dati genomici in R

Calcolare la coverage

ChIP-seq con Bioconductor in R

Istruzioni dell'esercizio

Esercizio pratico interattivo