În acest capitol explorăm ce putem face cu datele RNA-Seq și de ce sunt atât de valoroase. Vom afla care sunt pașii și considerațiile implicate într-un flux de lucru RNA-Seq.

Introducere în RNA-Seq

Concepte de bază

Pachete pentru RNA-Seq

Fluxul de lucru RNA-Seq

Alinierea citirilor

Explorarea matricei brute de numărare

Prezentare generală a expresiei genice diferențiale

Teoria DGE

Teoria DGE: Metadate

Introducere în teoria și fluxul de lucru RNA-Seq

În acest capitol efectuăm controlul calității datelor de numărare RNA-Seq folosind hărți de căldură și analiza componentelor principale. Explorăm similaritatea dintre eșantioane și determinăm dacă există valori aberante.

Introducere în analiza expresiei diferențiale

Exersează cu vignette-ul DESeq2

Organizarea datelor pentru DESeq2

Potrivirea metadatelor cu datele de contorizare

Normalizarea numărătorilor

Normalizarea valorilor cu DESeq2

Heatmap ierarhic

Heatmap ierarhic după condiție

Analiza heatmap-ului ierarhic

Analiza componentelor principale

Analiza PCA

Practică PCA: explorarea variațiilor

Practică PCA: explorarea variațiilor suplimentare

Analiza exploratorie a datelor

În acest capitol executăm analiza expresiei diferențiale, generăm rezultate și identificăm genele exprimate diferențial.

Analiza DE

Crearea obiectului DE

Modelul DESeq2 – dispersie

Modelul DESeq2 – explorarea dispersiilor

Interpretarea graficului de dispersie

Modelul DESeq2 – contraste

Modelul DESeq2 – extragerea rezultatelor

Rezultate DESeq2 - reducerea LFC

Rezultatele DESeq2

Explorarea rezultatelor DESeq2

Rezumarea rezultatelor DESeq2

Rezultate semnificative DESeq2

Analiza expresiei diferențiale cu DESeq2

În acest capitol final explorăm rezultatele expresiei diferențiale prin vizualizări, cum ar fi hărți de căldură și grafice volcano. Trecem în revistă pașii analizei și rezumăm fluxul de lucru al expresiei diferențiale cu DESeq2.

Vizualizarea rezultatelor

Vizualizări DESeq2 – grafice MA și volcano

Vizualizări DESeq2 - heatmap

Rezumat al analizei DE RNA-Seq – configurare

Analiza DE RNA-Seq - planificarea experimentului

Rezumatul fluxului de lucru RNA-Seq DE

Rezumatul analizei DE în RNA-Seq

Rezultatele analizei DE

Pașii următori în RNA-Seq

Explorarea rezultatelor expresiei diferențiale

Fibrosis raw counts dataset

RNA-Seq este o metodă modernă de secvențiere de ultimă generație, utilizată pentru identificarea genelor și a căilor biologice implicate în anumite boli sau condiții. Pe măsură ce secvențierea de mare randament devine mai accesibilă unui număr tot mai mare de cercetători, capacitatea de a analiza aceste date devine o competență din ce în ce mai valoroasă. Alătură-te nouă pentru a explora fluxul de lucru RNA-Seq și pentru a descoperi cum poți identifica genele și procesele biologice relevante pentru condiția de interes! Vom începe cursul cu o prezentare generală a fluxului de lucru RNA-Seq, cu accent pe analiza expresiei diferențiale (DE). Pornind de la numărul de lecturi pentru fiecare genă, cursul acoperă pregătirea datelor pentru analiza DE, evaluarea calității datelor de numărare, identificarea valorilor aberante și detectarea principalelor surse de variație din date. Pachetul R DESeq2 va fi folosit pentru a modela datele de numărare utilizând un model binomial negativ și pentru a testa genele exprimate diferențial. Rezultatele vor fi vizualizate prin hărți de căldură și grafice volcano, iar genele semnificativ exprimate diferențial vor fi identificate și salvate.

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

Utilizați analiza expresiei diferențiale RNA-Seq pentru a identifica gene importante în boli.

RNA-Seq cu Bioconductor în R

Folosește analiza expresiei diferențiale RNA-Seq pentru a identifica genele probabil importante pentru diferite boli sau condiții.

Analiza datelor genomice în R

Rezultate semnificative DESeq2

RNA-Seq cu Bioconductor în R

Instrucțiuni pentru exercițiu

Exercițiu interactiv practic