Pentru început, vei recapitula obiectivele analizei expresiei diferențiale, vei gestiona date de expresie genică folosind R și Bioconductor și vei rula prima ta analiză a expresiei diferențiale cu limma.

Analiza expresiei diferențiale

Aplicații ale analizei de expresie diferențială

Date de expresie diferențială

Creează un boxplot

Clasa ExpressionSet

Creează un obiect ExpressionSet

Creează un boxplot cu un obiect ExpressionSet

Pachetul limma

Specifică un model liniar pentru a compara 2 grupuri

Testează expresia diferențială dintre 2 grupuri

În acest capitol, vei învăța cum să construiești modele liniare pentru a testa expresia diferențială în cazul unor designuri experimentale frecvente.

Modele liniare flexibile

Matricea de design pentru modelul mediilor de grup

Matricea contrastelor pentru media grupurilor

Testează expresia diferențială pentru mediile grupurilor

Studii cu mai mult de două grupuri

Matricea de design pentru 3 grupuri

Matricea de contraste pentru 3 grupuri

Testează expresia diferențială pentru 3 grupuri

Design experimental factorial

Matricea de design pentru un design factorial 2x2

Matricea contrastelor pentru un design factorial 2x2

Testează expresia diferențială pentru un design factorial 2x2

Modele flexibile pentru designuri de studiu frecvente

Acum că ai învățat cum să efectuezi teste de expresie diferențială, vei descoperi în continuare cum să normalizezi și să filtrezi datele despre caracteristici, să verifici efectele tehnice de lot și să evaluezi rezultatele.

Normalizare și filtrare

Normalizare

Filtrarea genelor

Corectarea efectelor de lot tehnice

Vizualizează efectele de lot

Eliminarea efectelor de lot

Vizualizarea rezultatelor

Histograma valorilor p

Grafic vulcan

Testarea îmbogățirii

Căi KEGG

Categorii de ontologie genică

Pre- și post-procesare

În acest capitol final, vei folosi noile abilități dobândite pentru a realiza o analiză completă a expresiei diferențiale a unui studiu cu design factorial, care evaluează impactul medicamentului anticanceros doxorubicină asupra inimilor unor șoareci cu fonduri genetice diferite.

Pre-procesează datele

Pre-procesarea caracteristicilor

Boxplot pentru Top2b

Verifică sursele de variație

Modelează datele

Matricea de design

Matricea de contraste

Testează expresia diferențială

Inspectează rezultatele

Histogramă a valorilor p

Îmbogățirea căilor metabolice

Concluzie

Studiu de caz: Efectul tratamentului cu doxorubicină

Leukemia dataset

Doxorubicin dataset

Hypoxia dataset

Tehnologiile genomice funcționale, cum ar fi microarray-urile, secvențierea și spectrometria de masă, le permit oamenilor de știință să obțină măsurători obiective ale nivelurilor de expresie genică la scară genomică. Fie că generezi propriile date sau dorești să explorezi numeroasele seturi de date disponibile public, va trebui mai întâi să înveți cum să analizezi aceste tipuri de experimente. În acest curs, vei învăța să folosești pachetul versatil R/Bioconductor limma pentru a efectua o analiză a expresiei diferențiale pe cele mai comune designuri experimentale. În plus, vei învăța cum să preprocesezi datele, să identifici și să corectezi efectele de lot, să evaluezi vizual rezultatele și să realizezi teste de îmbogățire. După finalizarea acestui curs, vei dispune de strategii generale de analiză pentru a extrage informații din orice studiu de genomică funcțională.

Introduction to Statistics in R

Descoperă cum să folosești pachetul R/Bioconductor limma pentru analiza expresiei diferențiale.

Analiza expresiei diferențiale cu limma în R

Învață să folosești pachetul Bioconductor limma pentru analiza expresiei genice diferențiale.

Analiza datelor genomice în R

Aplicații ale analizei de expresie diferențială

Analiza expresiei diferențiale cu limma în R

Exercițiu interactiv practic