Metaveriyi ve sayım verisini eşleştirme
DESeq2 ile herhangi bir analiz yapabilmek için, ham sayımlar, metaveri ve tasarım formülünü sağlayarak bir DESeq2 nesnesi oluşturmamız gerekir. Bunu yapmak için, daha önce oluşturduğumuz ham sayım verilerini ve ilişkili metaveriyi içeri aktarmalı, her iki veri kümesinde de örnek adlarının aynı sırada olduğundan emin olmalı ve ardından diferansiyel ifade analizi için kullanacağımız bir DESeq2 nesnesi oluşturmalıyız. Koşullar (normal ve fibrozis) arasında diferansiyel ifadeyi test etmek için ~ condition tasarım formülünü kullanacağız.
DESeq2 ve dplyr kütüphaneleri senin için yüklendi ve smoc2_rawcounts ile smoc2_metadata dosyaları içeri aktarıldı.
Bu egzersiz, kursun bir parçasıdır
R ile Bioconductor kullanarak RNA-Seq
Egzersiz talimatları
Metaverinin satır adlarının sırasıyla eşleşmesi için, sayım verisinin sütunlarını nasıl yeniden sıralayacağını belirleyen indisleri döndürmek üzere
match()fonksiyonunu kullan. Sonucureorder_idxdeğişkenine ata.Metaverideki satır adlarının sırasıyla eşleşecek şekilde, sayım verisinin sütunlarını
reorder_idxile yeniden sırala.Metaveriyi ve yeniden sıralanmış sayımları kullanarak
DESeqDataSetFromMatrix()fonksiyonuyladds_smoc2adlı bir DESeq2 nesnesi oluştur.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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)