Resumo do fluxo de trabalho de DE em RNA-Seq

OBSERVAÇÃO: Carregar este exercício pode demorar um pouco mais.

Vamos percorrer o fluxo de trabalho do DESeq2 usando o conjunto de dados completo, com amostras de tipo selvagem (wildtype) e com superexpressão de smoc2. Já carregamos as bibliotecas DESeq2 e dplyr e lemos o arquivo de metadados, all_metadata, e o arquivo de contagens brutas, all_rawcounts, para você.

full metadata

Este exercício faz parte do curso

RNA-Seq com Bioconductor em R

Ver curso

Instruções do exercício

Verifique se as amostras estão na mesma ordem em all_rawcounts e all_metadata usando rownames(), colnames(), all() e o operador %in%.
Crie o objeto do DESeq2 usando o design apropriado, testando o efeito de condition enquanto controla por genotype.
Crie o objeto do DESeq2 usando o design apropriado, controlando individualmente por genotype e condition, mas teste para genotype:condition.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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 = ___,
                                ___,
                                ___)

Editar e executar o código