Neste capítulo, exploramos o que é possível fazer com dados de RNA-Seq e por que isso é tão interessante. Você vai conhecer as etapas e considerações envolvidas em um fluxo de trabalho de RNA-Seq.

Introdução ao RNA-Seq

Conceitos essenciais

Pacotes de RNA-Seq

Fluxo de trabalho de RNA-Seq

Alinhamentos de leituras

Explorando a matriz de contagens brutas

Visão geral da expressão gênica diferencial

Teoria de DGE

Teoria de DGE: Metadados

Introdução à teoria e ao fluxo de trabalho de RNA-Seq

Neste capítulo, fazemos o controle de qualidade dos dados de contagem de RNA-Seq usando heatmaps e análise de componentes principais. Exploramos a similaridade entre as amostras e verificamos se há outliers.

Introdução à análise de expressão diferencial

Praticando com a vinheta do DESeq2

Organizando os dados para o DESeq2

Fazendo a correspondência entre metadados e dados de contagem

Normalização de contagens

Normalizando contagens com DESeq2

Heatmap hierárquico

Mapa de calor hierárquico por condição

Análise de heatmap hierárquico

Análise de componentes principais

Análise de PCA

Prática de PCA: explorando variações

Prática de PCA: explorando variações adicionais

Análise exploratória de dados

Neste capítulo, executamos a análise de expressão diferencial, geramos os resultados e identificamos os genes diferencialmente expressos.

Análise de DE

Criando o objeto DE

Modelo do DESeq2 - dispersão

Modelo DESeq2 - explorando dispersões

Interpretando o gráfico de dispersão

Modelo DESeq2 - contrastes

Modelo DESeq2 - extraindo resultados

Resultados do DESeq2 - redução de LFC

Resultados do DESeq2

Exploração dos resultados do DESeq2

Resumindo os resultados do DESeq2

Resultados significativos do DESeq2

Análise de expressão diferencial com DESeq2

No capítulo final, exploramos os resultados de expressão diferencial usando visualizações como heatmaps e gráficos vulcão. Também revisamos as etapas da análise e resumimos o fluxo de trabalho de expressão diferencial com o DESeq2.

Visualização dos resultados

Visualizações no DESeq2 - gráficos MA e vulcão

Visualizações no DESeq2 - heatmap

Resumo da análise de DE em RNA-Seq - preparação

Análise de DE em RNA-Seq - planejamento experimental

Resumo do fluxo de trabalho de DE em RNA-Seq

Resumo da análise de DE em RNA-Seq

Resultados da análise de DE

Próximos passos em RNA-Seq

Exploração dos resultados de expressão diferencial

Fibrosis raw counts dataset

RNA-Seq é um método empolgante de sequenciamento de nova geração usado para identificar genes e vias associados a determinadas doenças ou condições. À medida que o sequenciamento de alto rendimento se torna mais acessível a uma comunidade maior de pesquisadores, saber analisar esses dados vira uma habilidade cada vez mais valiosa. Venha aprender o fluxo de trabalho de RNA-Seq e descobrir quais genes e processos biológicos podem ser importantes para a sua condição de interesse! Vamos começar com uma breve visão geral do fluxo de trabalho de RNA-Seq, com ênfase na análise de expressão diferencial (DE). A partir das contagens para cada gene, o curso mostrará como preparar os dados para a análise de DE, avaliar a qualidade das contagens e identificar outliers e principais fontes de variação nos dados. Usaremos o pacote DESeq2, do R, para modelar os dados de contagem com um modelo binomial negativo e testar genes diferencialmente expressos. Vamos visualizar os resultados com heatmaps e gráficos vulcão, identificar os genes diferencialmente expressos significativos e salvá-los.

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

Use análise de expressão diferencial RNA-Seq para identificar genes importantes em doenças.

RNA-Seq com Bioconductor em R

Use a análise de expressão diferencial do RNA-Seq para identificar genes que podem ser importantes para diferentes doenças ou condições.

Análise de dados genômicos em R

Interpretando o gráfico de dispersão

RNA-Seq com Bioconductor em R

Exercício interativo prático