Introduktion till ChIP-seq-experiment. Varför är de intressanta? Vilka fenomen kan studeras med ChIP-seq och vad kan vi lära oss av dessa experiment?

Vad är ChIP-seq?

Repetition av ChIP-seq

Sekvensdata

Peak-anrop

ChIP-seq-arbetsflöde

Värmekarta

Gener som gör skillnad

Sammanfattning av ChIP-seq-resultat

Förstå ChIP-seq-data

Introduktion till ChIP-seq

Nu tar ChIP-seq-analysen fart på allvar. Det här kapitlet introducerar Bioconductor-verktyg för att importera och rensa data.

Importera data

Läsa BAM-filer

Läsa BED-filer

En närmare titt på toppar

Plotta en region i detalj

Lägga till annoteringar

Rensa ChIP-seq-data

Ta bort svartlistade regioner

Filtrera läsningar

Jämför filtrerade data med råa läsningar

Bedöma anrikning

Beräkna täckning

Toppar jämfört med bakgrund

Tillbaka till grunderna – förberedelse av ChIP-seq-data

Det här kapitlet introducerar tekniker för att identifiera och visualisera skillnader mellan ChIP-seq-prover.

Introduktion till differentiell bindning

Ser dessa prover likadana ut för dig?

Klustring av sampel

Visualisera skillnader i proteinbindning

Testa för differentiell bindning

Ladda läsantal

Konfigurera modellen

Anpassa modellen

PCA och värmekarta – en ny titt

En närmare titt på differentiell bindning

MA-plot

Volcanodiagram

Sammanfatta skillnader i proteinbindning

Jämförelse av ChIP-seq-prover

Att kunna identifiera skillnader i bindning mellan grupper av prover är värdefullt – men vad innebär det egentligen? Det här kapitlet diskuterar strategier för att tolka resultaten och gå från toppanrop till biologiskt meningsfulla insikter.

Tolka ChIP-seq-toppar

Sammanställa peaks

Använda annotationer

Annotering av peaks

Vilka peaks skiljer sig åt?

Tolka genlistor

Associera peaks med gener

Hitta gemensamma teman

Förstå påverkan på signalvägar

En närmare titt på pathways

Avancerade ChIP-seq-analyser

Från toppar till gener och funktion

Chromosome 20 dataset

Androgen Receptor ChIP-seq Peaks dataset

ChIP-seq-analys är en viktig gren inom bioinformatik. Den ger oss en inblick i de mekanismer som styr cellerna i vår kropp. Oavsett om det är en hjärncell som hjälper dig att läsa den här sidan eller en immuncell som patrullerar kroppen efter sjukdomsframkallande mikroorganismer, bär de alla samma genom. Det som skiljer dem åt är vilka gener som är aktiva vid varje given tidpunkt. Detta styrs av ett komplext system av proteiner som kan aktivera och inaktivera gener. När denna reglering går ur kontroll kan det leda till cancer och andra allvarliga sjukdomar. ChIP-seq-analys gör det möjligt att förstå hur regleringsproteiner fungerar, hur de kan bidra till sjukdom och vad vi eventuellt kan göra för att hindra celler från att spåra ur. I den här kursen utforskar du ett verkligt dataset och lär dig att bearbeta och analysera ChIP-seq-data i R.

Intermediate R

Introduction to Bioconductor in R

Lär dig analysera och tolka ChIP-seq-data med Bioconductor och ett dataset från mänsklig cancer.

ChIP-seq med Bioconductor i R

Analysera och tolka ChIP-seq-data med Bioconductor på ett humant cancerdataset.

Analysera genomisk data i R

Vilka peaks skiljer sig åt?

ChIP-seq med Bioconductor i R

Interaktiv övning med praktiskt arbete