เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การจับคู่ metadata และข้อมูล counts

ในการวิเคราะห์ด้วย DESeq2 เราต้องสร้างออบเจกต์ DESeq2 โดยระบุ raw counts, metadata และ design formula ก่อนอื่นให้อ่านข้อมูล raw counts และ metadata ที่สร้างไว้ก่อนหน้า จากนั้นตรวจสอบให้แน่ใจว่าชื่อตัวอย่างในทั้งสองชุดข้อมูลอยู่ในลำดับเดียวกัน แล้วจึงสร้างออบเจกต์ DESeq2 สำหรับการวิเคราะห์ differential expression เราจะใช้ design formula ~ condition เพื่อทดสอบ differential expression ระหว่างเงื่อนไข (normal และ fibrosis)

ไลบรารี DESeq2 และ dplyr ถูกโหลดไว้ให้แล้ว และไฟล์ smoc2_rawcounts กับ smoc2_metadata ได้ถูกอ่านเข้ามาเรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

RNA-Seq ด้วย Bioconductor ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ฟังก์ชัน match() เพื่อคืนค่า indices สำหรับการจัดเรียงคอลัมน์ของข้อมูล counts ให้ตรงกับลำดับของ row names ใน metadata แล้วกำหนดผลลัพธ์ให้กับ reorder_idx

  • จัดเรียงคอลัมน์ของข้อมูล counts ใหม่ด้วย reorder_idx เพื่อให้ชื่อคอลัมน์ตรงกับลำดับของ row names ใน metadata

  • สร้างออบเจกต์ DESeq2 ชื่อ dds_smoc2 โดยใช้ฟังก์ชัน DESeqDataSetFromMatrix() พร้อมระบุ metadata และ counts ที่จัดเรียงแล้ว

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Use the match() function to reorder the columns of the raw counts
reorder_idx <- match(___(___), ___(___))

# Reorder the columns of the count data
reordered_smoc2_rawcounts <- smoc2_rawcounts[ , ___]

# Create a DESeq2 object
dds_smoc2 <- DESeqDataSetFromMatrix(countData =  ___,
                              colData =  ___,
                              design = ~ condition)
แก้ไขและรันโค้ด