Dopasowanie metadanych do danych ze zliczeniami

Aby przeprowadzić analizę w DESeq2, musisz najpierw utworzyć obiekt DESeq2, dostarczając surowe zliczenia, metadane oraz formułę projektu. W tym celu wczytaj dane ze zliczeniami i powiązane metadane przygotowane wcześniej, upewnij się, że nazwy próbek są ułożone w tej samej kolejności w obu zbiorach danych, a następnie utwórz obiekt DESeq2 do analizy różnicowej ekspresji. Do sprawdzenia różnicowej ekspresji między warunkami (normalnym i zwłóknieniem) użyjemy formuły projektu ~ condition.

Biblioteki DESeq2 i dplyr zostały już załadowane, a pliki smoc2_rawcounts i smoc2_metadata – wczytane.

To ćwiczenie jest częścią kursu

RNA-Seq z Bioconductor w R

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji match(), aby zwrócić indeksy określające, jak zmienić kolejność kolumn danych ze zliczeniami tak, by odpowiadała kolejności nazw wierszy w metadanych. Wynik przypisz do zmiennej reorder_idx.
Zmień kolejność kolumn danych ze zliczeniami za pomocą reorder_idx tak, aby nazwy kolumn odpowiadały kolejności nazw wierszy w metadanych.
Utwórz obiekt DESeq2 o nazwie dds_smoc2, korzystając z funkcji DESeqDataSetFromMatrix() z metadanymi i uporządkowanymi zliczeniami.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)

Edytuj i uruchom kod