In questo capitolo esploriamo cosa possiamo fare con i dati RNA-Seq e perché sono così interessanti. Impariamo le diverse fasi e le considerazioni coinvolte in un workflow RNA-Seq.

Introduzione all'RNA-Seq

Concetti fondamentali

Pacchetti per RNA-Seq

Workflow RNA-Seq

Allineamenti dei read

Esplorare la matrice di conteggi grezzi

Panoramica sull'espressione genica differenziale

Teoria della DGE

Teoria DGE: Metadati

Introduzione alla teoria e al workflow RNA-Seq

In questo capitolo eseguiamo il controllo qualità dei dati di conteggio RNA-Seq usando heatmap e analisi delle componenti principali. Esploriamo la similarità tra i campioni e verifichiamo se ci sono campioni outlier.

Introduzione all'analisi dell'espressione differenziale

Esercitati con la vignetta di DESeq2

Organizzare i dati per DESeq2

Allineare metadati e dati dei conteggi

Normalizzazione dei conteggi

Normalizzare i conteggi con DESeq2

Heatmap gerarchica

Heatmap gerarchica per condizione

Analisi della heatmap gerarchica

Analisi delle componenti principali

Analisi PCA

Esercizio di PCA: esplorare le variazioni

Esercizio sulla PCA: esplorare variazioni aggiuntive

Analisi esplorativa dei dati

In questo capitolo eseguiamo l'analisi di espressione differenziale, generiamo i risultati e identifichiamo i geni a espressione differenziale.

Analisi DE

Creare l'oggetto DE

Modello DESeq2 - dispersione

Modello DESeq2 - esplorare le dispersioni

Interpretare il grafico delle dispersioni

Modello DESeq2 - contrasti

Modello DESeq2 - estrazione dei risultati

Risultati DESeq2 - Riduzione degli LFC

Risultati di DESeq2

Esplorazione dei risultati DESeq2

Riepilogare i risultati di DESeq2

Risultati significativi con DESeq2

Analisi di espressione differenziale con DESeq2

In questo capitolo finale esploriamo i risultati dell'espressione differenziale usando visualizzazioni come heatmap e volcano plot. Ripassiamo anche i passaggi dell'analisi e riassumiamo il workflow di espressione differenziale con DESeq2.

Visualizzazione dei risultati

Visualizzazioni con DESeq2 - grafici MA e volcano

Visualizzazioni DESeq2 - heatmap

Riepilogo dell'analisi DE RNA-Seq - setup

RNA-Seq DE analysis - pianificazione sperimentale

Riepilogo del workflow di DE per RNA-Seq

Riepilogo dell'analisi DE di RNA-Seq

Risultati dell'analisi DE

Prossimi passi per l'RNA-Seq

Esplorazione dei risultati di espressione differenziale

Fibrosis raw counts dataset

RNA-Seq è un'entusiasmante tecnica di sequenziamento di nuova generazione usata per identificare geni e pathway alla base di specifiche malattie o condizioni. Man mano che il sequenziamento ad alta processività diventa più accessibile ed economico per una platea più ampia di ricercatori, saper analizzare questi dati sta diventando una competenza sempre più preziosa. Unisciti a noi per esplorare il workflow RNA-Seq e scoprire come individuare quali geni e processi biologici potrebbero essere importanti per la condizione che ti interessa! Inizieremo con una breve panoramica del workflow RNA-Seq con enfasi sull'analisi di espressione differenziale (DE). A partire dai conteggi per ciascun gene, il corso mostrerà come preparare i dati per l'analisi DE, valutare la qualità dei dati di conteggio e identificare outlier e principali fonti di variazione nei dati. Il pacchetto R DESeq2 verrà utilizzato per modellare i conteggi con un modello binomiale negativo e testare i geni a espressione differenziale. Verrà effettuata la visualizzazione dei risultati con heatmap e volcano plot, e i geni con espressione differenziale significativa verranno identificati e salvati.

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

Usa l'analisi dell'espressione differenziale RNA-Seq per identificare geni importanti per malattie.

RNA-Seq con Bioconductor in R

Scopri i geni chiave per malattie o condizioni diverse con l’analisi dell’espressione differenziale RNA-Seq.

Analizzare i dati genomici in R

Pacchetti per RNA-Seq

RNA-Seq con Bioconductor in R

Istruzioni dell'esercizio

esercizio interattivo pratico