Introductie tot ChIP-seq-experimenten. Waarom zijn ze interessant? Welke fenomenen kun je met ChIP-seq bestuderen en wat kunnen we van deze experimenten leren?

Wat is ChIP-seq?

ChIP-seq: korte herhaling

Sequencing-gegevens

Peak-calls

ChIP-seq-werkstroom

Heatmap

Genen die het verschil maken

Samenvatting van ChIP-seq-resultaten

ChIP-seq-gegevens begrijpen

Introductie tot ChIP-seq

Nu begint de ChIP-seq-analyse echt. In dit hoofdstuk maak je kennis met Bioconductor-tools om de data te importeren en op te schonen.

Gegevens importeren

BAM-bestanden lezen

BED-bestanden lezen

Peaks van dichterbij bekijken

Een regio gedetailleerd plotten

Annotaties toevoegen

ChIP-seq-gegevens opschonen

Geblokkeerde regio's verwijderen

Reads filteren

Vergelijk gefilterde data met ruwe reads

Verrijking beoordelen

Coverage berekenen

Pieken vs achtergrond

Terug naar de basis - ChIP-seq-data voorbereiden

Dit hoofdstuk introduceert technieken om verschillen tussen ChIP-seq-samples te identificeren en te visualiseren.

Introductie tot differentiële binding

Lijken deze samples voor jou hetzelfde?

Samples clusteren

Verschillen in eiwitbinding visualiseren

Testen op differentiële binding

Read counts laden

Het model opzetten

Het model fitten

PCA en heatmap herbekijken

Dieper ingaan op differentiële binding

MA-plot

Volcano-plot

Verschillen in eiwitbinding samenvatten

ChIP-seq-samples vergelijken

Verschillen in binding tussen groepen samples kunnen vinden is mooi, maar wat betekent het? Dit hoofdstuk bespreekt strategieën om differentiële bindingsresultaten te interpreteren en zo van piekaanroepen naar biologisch betekenisvolle inzichten te gaan.

ChIP-seq-pieken interpreteren

Pieken consolideren

Annotaties gebruiken

Pieken annoteren

Welke pieken verschillen?

Genenlijsten interpreteren

Pieken koppelen aan genen

Gemeenschappelijke thema's vinden

Het effect op pathways begrijpen

Een nadere blik op pathways

Geavanceerde ChIP-seq-analyses

Van pieken naar genen naar functie

Chromosome 20 dataset

Androgen Receptor ChIP-seq Peaks dataset

ChIP-seq-analyse is een belangrijk onderdeel van bio-informatica. Het geeft een inkijkje in de machinerie die onze cellen laat werken. Of het nu een hersencel is die je helpt deze webpagina te lezen of een immuuncel die je lichaam afspeurt naar micro-organismen die je ziek kunnen maken: ze dragen allemaal hetzelfde genoom. Wat ze onderscheidt, zijn de genen die op een bepaald moment actief zijn. Welke genen dat zijn, wordt bepaald door een complex systeem van eiwitten die genen kunnen aan- en uitzetten. Als deze regulerende machinerie ontspoort, kan dat leiden tot kanker en andere slopende ziekten. Met ChIP-seq-analyse kunnen we de functie van regulerende eiwitten begrijpen, zien hoe ze kunnen bijdragen aan ziekte en inzicht krijgen in hoe we mogelijk kunnen ingrijpen om te voorkomen dat cellen ontsporen. In deze cursus werk je met een echte gegevensset terwijl je leert hoe je ChIP-seq-data in R verwerkt en analyseert.

Intermediate R

Introduction to Bioconductor in R

Leer ChIP-seq data analyseren en interpreteren met Bioconductor en een menselijk kankerdataset.

ChIP-seq met Bioconductor in R

Analyseer en interpreteer ChIP-seq-data met Bioconductor aan de hand van een humaan kankerdataset.

Genomische gegevens analyseren in R

Read counts laden

ChIP-seq met Bioconductor in R

Interactieve oefening met praktijkervaring