이 장에서는 RNA-Seq 데이터로 무엇을 할 수 있고 왜 흥미로운지 살펴봅니다. RNA-Seq 워크플로에서의 단계와 고려사항을 배웁니다.

RNA-Seq 소개

핵심 개념

RNA-Seq 패키지

RNA-Seq 워크플로

리드 정렬

원시 카운트 행렬 살펴보기

차등 유전자 발현 개요

DGE 이론

DGE 이론: 메타데이터

RNA-Seq 이론과 워크플로 소개

이 장에서는 히트맵과 주성분 분석을 사용해 RNA-Seq 카운트 데이터의 품질 관리를 수행합니다. 샘플들 간의 유사성을 탐색하고 이상치 샘플이 있는지 확인합니다.

차등 발현 분석 소개

DESeq2 비네트로 연습하기

DESeq2를 위한 데이터 구성

메타데이터와 카운트 데이터 매칭

카운트 정규화

DESeq2로 카운트 정규화하기

계층적 히트맵

condition별 계층적 히트맵

계층적 히트맵 분석

주성분 분석

PCA 분석

PCA 연습: 변동성 탐색

PCA 실습: 추가 변동 탐색하기

탐색적 데이터 분석

이 장에서는 차등 발현 분석을 수행하고, 결과를 생성한 뒤 차등 발현 유전자를 식별합니다.

DE 분석

DE 객체 생성하기

DESeq2 모델 - 분산

DESeq2 모델 - 분산 탐색

분산 플롯 해석하기

DESeq2 모델 - 대비(contrast)

DESeq2 모델 - 결과 추출

DESeq2 결과 - LFC 수축(shrinkage)

DESeq2 결과

DESeq2 결과 탐색

DESeq2 결과 요약하기

DESeq2의 유의한 결과

DESeq2로 하는 차등 발현 분석

마지막 장에서는 히트맵과 화산도 같은 시각화를 통해 차등 발현 결과를 탐색합니다. 또한 분석 단계들을 복습하고 DESeq2 기반 차등 발현 워크플로를 정리합니다.

결과 시각화

DESeq2 시각화 - MA 플롯과 볼케이노 플롯

DESeq2 시각화 - 히트맵

RNA-Seq DE 분석 요약 - 설정

RNA-Seq DE 분석 - 실험 계획

RNA-Seq DE 워크플로 요약

RNA-Seq 차등 발현 분석 요약

DE 분석 결과

RNA-Seq 다음 단계

차등 발현 결과 탐색

Fibrosis raw counts dataset

RNA-Seq는 특정 질환이나 조건의 근본이 되는 유전자와 경로를 파악하는 데 사용되는 흥미로운 차세대 시퀀싱 기법입니다. 고처리량 시퀀싱이 더 저렴해지고 다양한 연구자에게 보급되면서, 이 데이터를 분석하는 지식은 점점 더 중요한 역량이 되고 있어요. 이 과정에서 RNA-Seq 워크플로를 함께 배우고, 관심 있는 조건에서 어떤 유전자와 생물학적 과정이 중요한지 알아보는 방법을 익혀 보세요! 먼저 RNA-Seq 워크플로를 간단히 살펴보고, 특히 differential expression(DE) 분석에 초점을 맞춥니다. 각 유전자의 카운트부터 시작해, DE 분석을 위한 데이터 준비, 카운트 데이터의 품질 평가, 이상치 식별과 주요 변동 요인 파악 방법을 다룹니다. DESeq2 R 패키지를 사용해 음이항 모델로 카운트 데이터를 모델링하고, 차등 발현 유전자를 검정합니다. 결과는 히트맵과 화산도(volcano plot)로 시각화하고, 유의한 차등 발현 유전자를 식별해 저장합니다.

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

RNA-Seq 차등 발현 분석으로 다양한 질병에 중요한 유전자를 식별하세요.

R로 하는 Bioconductor 기반 RNA-Seq

RNA-Seq 차등 발현 분석으로 다양한 질환·상태에서 중요한 유전자 후보를 식별합니다.

유전체 데이터 분석 in R

DESeq2 결과 - LFC 수축(shrinkage)

R로 하는 Bioconductor 기반 RNA-Seq

연습 안내

실습형 인터랙티브 연습