Sammanfattning av RNA-Seq DE-arbetsflöde

OBS: Det kan ta lite längre tid att läsa in den här övningen.

Låt oss gå igenom DESeq2-arbetsflödet med hela datamängden, som inkluderar både vildtyps- och smoc2-överexpressionsurval. Vi har läst in biblioteken DESeq2 och dplyr samt metadatafilen all_metadata och filen med råa räkningar all_rawcounts åt dig.

full metadata

Den här övningen är en del av kursen

RNA-Seq med Bioconductor i R

Visa kurs

Övningsinstruktioner

Kontrollera att urvalen är i samma ordning i både all_rawcounts och all_metadata med hjälp av rownames(), colnames(), all() och operatorn %in%.
Skapa DESeq2-objektet med lämplig design som testar effekten av condition medan du kontrollerar för genotype.
Skapa DESeq2-objektet med lämplig design som kontrollerar för genotype och condition individuellt, men testar för genotype:condition.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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 = ___,
                                ___,
                                ___)

Redigera och kör kod