메타데이터와 카운트 데이터 매칭

DESeq2로 분석을 수행하려면, 원시 카운트, 메타데이터, 설계 수식을 제공해 DESeq2 객체를 만들어야 합니다. 이를 위해 앞에서 생성한 원시 카운트 데이터와 연결된 메타데이터를 읽어오고, 두 데이터셋에서 샘플 이름의 순서가 동일한지 확인한 다음, 차등 발현 분석에 사용할 DESeq2 객체를 생성합니다. 조건(정상과 섬유화) 간 차등 발현을 검정하기 위해 설계 수식 ~ condition을 사용하겠습니다.

DESeq2와 dplyr 라이브러리는 미리 로드되어 있으며, smoc2_rawcounts와 smoc2_metadata 파일도 읽어온 상태입니다.

이 연습은 강의의 일부입니다

R로 하는 Bioconductor 기반 RNA-Seq

강의 보기

연습 안내

match() 함수를 사용해 메타데이터의 행 이름 순서에 맞추려면 카운트 데이터 열을 어떻게 재정렬해야 하는지에 대한 인덱스를 구하세요. 결과를 reorder_idx에 할당하세요.
메타데이터의 행 이름 순서와 일치하도록 reorder_idx를 사용해 카운트 데이터의 열을 재정렬하세요.
재정렬된 카운트와 메타데이터를 사용해 DESeqDataSetFromMatrix() 함수로 DESeq2 객체 dds_smoc2를 생성하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Use the match() function to reorder the columns of the raw counts
reorder_idx <- match(___(___), ___(___))

# Reorder the columns of the count data
reordered_smoc2_rawcounts <- smoc2_rawcounts[ , ___]

# Create a DESeq2 object
dds_smoc2 <- DESeqDataSetFromMatrix(countData =  ___,
                              colData =  ___,
                              design = ~ condition)

코드 편집 및 실행