เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สรุปขั้นตอน RNA-Seq DE workflow

หมายเหตุ: แบบฝึกหัดนี้อาจใช้เวลาโหลดนานกว่าปกติเล็กน้อย

มาลองรัน DESeq2 workflow โดยใช้ชุดข้อมูลเต็มรูปแบบที่มีทั้งตัวอย่าง wildtype และ smoc2 overexpression รวมอยู่ด้วย เราได้โหลดไลบรารี DESeq2 และ dplyr พร้อมทั้งอ่านไฟล์ metadata ชื่อ all_metadata และไฟล์ raw counts ชื่อ all_rawcounts ไว้ให้แล้ว

full metadata

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

RNA-Seq ด้วย Bioconductor ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ตรวจสอบว่าลำดับของตัวอย่างใน all_rawcounts และ all_metadata ตรงกัน โดยใช้ฟังก์ชัน rownames(), colnames(), all() และ operator %in%
  • สร้าง DESeq2 object โดยใช้ design ที่เหมาะสม เพื่อทดสอบผลของ condition ขณะที่ควบคุมตัวแปร genotype
  • สร้าง DESeq2 object โดยใช้ design ที่เหมาะสม ควบคุม genotype และ condition แยกกัน แต่ทดสอบ interaction term genotype:condition

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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 = ___,
                                ___,
                                ___)
แก้ไขและรันโค้ด