RNA-Seq DE 워크플로 요약

NOTE: 이 연습 문제는 로딩에 다소 시간이 걸릴 수 있어요.

이제 DESeq2 워크플로를 전체 데이터셋(야생형과 smoc2 과발현 시료 모두 포함)으로 진행해 볼게요. DESeq2와 dplyr 라이브러리는 이미 불러왔고, 메타데이터 파일 all_metadata와 원시 카운트 파일 all_rawcounts도 읽어 두었어요.

full metadata

이 연습은 강의의 일부입니다

R로 하는 Bioconductor 기반 RNA-Seq

강의 보기

연습 안내

rownames(), colnames(), all(), 그리고 %in% 연산자를 사용해 all_rawcounts와 all_metadata에서 시료의 순서가 동일한지 확인하세요.
적절한 디자인을 사용해 DESeq2 객체를 생성하세요. genotype을 보정하면서 condition의 효과를 검정합니다.
적절한 디자인을 사용해 DESeq2 객체를 생성하세요. genotype과 condition을 각각 보정하되, genotype:condition을 검정합니다.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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 = ___,
                                ___,
                                ___)

코드 편집 및 실행