RNA-Seq DE ワークフローまとめ

注意： この演習の読み込みに少し時間がかかる場合があります。

ワイルドタイプと smoc2 過剰発現のサンプルをすべて含むデータセットを使って、DESeq2 のワークフローを実行しましょう。DESeq2 と dplyr ライブラリの読み込み、メタデータファイル all_metadata、および生カウントファイル all_rawcounts の読み込みはあらかじめ済んでいます。

full metadata

この演習はコースの一部です

RNA-Seq with Bioconductor in R

コースを見る

演習の手順

rownames()、colnames()、all()、および %in% 演算子を使って、all_rawcounts と all_metadata のサンプルの順序が一致していることを確認します。
genotype の影響を制御しながら condition の効果を検定する適切なデザインを指定して、DESeq2 オブジェクトを作成します。
genotype と condition をそれぞれ制御しつつ、genotype:condition を検定する適切なデザインを指定して、DESeq2 オブジェクトを作成します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Check that all of the samples are in the same order in the metadata and count data
all(___(___) %in% ___(___))

# DESeq object to test for the effect of fibrosis regardless of genotype
dds_all <- DESeqDataSetFromMatrix(countData = ___,
                        colData = ___,
                        design = ___)

# DESeq object to test for the effect of genotype on the effect of fibrosis                        
dds_complex <- DESeqDataSetFromMatrix(countData = ___,
                                ___,
                                ___)

コードを編集して実行