Podsumowanie przepływu pracy DE w RNA-Seq

UWAGA: Wczytanie tego ćwiczenia może chwilę potrwać.

Przejdźmy przez przepływ pracy DESeq2 z użyciem pełnego zbioru danych, obejmującego zarówno próbki wildtype, jak i próbki z nadekspresją smoc2. Biblioteki DESeq2 i dplyr zostały już załadowane, a plik metadanych all_metadata oraz plik z surowymi zliczeniami all_rawcounts wczytane.

full metadata

To ćwiczenie jest częścią kursu

RNA-Seq z Bioconductor w R

Zobacz kurs

Instrukcje do ćwiczenia

Sprawdź, czy próbki w all_rawcounts i all_metadata występują w tej samej kolejności – użyj funkcji rownames(), colnames(), all() oraz operatora %in%.
Utwórz obiekt DESeq2, stosując odpowiedni projekt: testuj efekt condition, kontrolując jednocześnie genotype.
Utwórz obiekt DESeq2, stosując odpowiedni projekt: kontroluj genotype i condition osobno, ale testuj interakcję genotype:condition.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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 = ___,
                                ___,
                                ___)

Edytuj i uruchom kod