Bu bölümde RNA-Seq verileriyle neler yapabileceğimizi ve neden heyecan verici olduklarını keşfediyoruz. Bir RNA-Seq iş akışında yer alan farklı adımları ve dikkat edilmesi gerekenleri öğreniyoruz.

RNA-Seq'e Giriş

Temel Kavramlar

RNA-Seq Paketleri

RNA-Seq İş Akışı

Okuma Hizalamaları

Ham sayı matrisini keşfetme

Farklı gen ifadesine genel bakış

DGE Kuramı

DGE Teorisi: Üstveri (Metadata)

RNA-Seq kuramına ve iş akışına giriş

Bu bölümde, ısı haritaları ve temel bileşen analizi kullanarak RNA-Seq sayım verileri üzerinde kalite kontrol yapıyoruz. Örneklerin birbirine benzerliğini inceliyor ve aykırı örnek olup olmadığını belirliyoruz.

Farklı ifade analizi giriş

DESeq2 vinyeti ile alıştırma

DESeq2 için verileri düzenleme

Metaveriyi ve sayım verisini eşleştirme

Sayıların normalleştirilmesi

DESeq2 ile sayımları normalleştirme

Hiyerarşik ısı haritası

Koşula göre hiyerarşik ısı haritası

Hiyerarşik ısı haritası analizi

Temel bileşen analizi

PCA analizi

PCA alıştırması: varyasyonları keşfetme

PCA alıştırması: ek varyasyonları keşfetme

Keşifsel veri analizi

Bu bölümde diferansiyel ifade analizini yürütüyor, sonuçları üretiyor ve diferansiyel olarak ifade edilen genleri belirliyoruz.

DE analizi

DE nesnesini oluşturma

DESeq2 modeli - saçılma

DESeq2 modeli - saçılmaları keşfetme

Saçılma grafiğini yorumlama

DESeq2 modeli - karşıtlıklar

DESeq2 modeli - sonuçların çıkarılması

DESeq2 sonuçları - LFC küçültme

DESeq2 sonuçları

DESeq2 sonuçlarını keşfetme

DESeq2 sonuçlarını özetleme

DESeq2 anlamlı sonuçlar

DESeq2 ile diferansiyel ifade analizi

Bu son bölümde, ısı haritaları ve volkan grafikleri gibi görselleştirmelerle diferansiyel ifade sonuçlarını inceliyoruz. Ayrıca analizdeki adımları gözden geçiriyor ve DESeq2 ile diferansiyel ifade iş akışını özetliyoruz.

Sonuçların görselleştirilmesi

DESeq2 görselleştirmeleri - MA ve volkan grafikler

DESeq2 görselleştirmeleri - ısı haritası

RNA-Seq DE analiz özeti - kurulum

RNA-Seq DE analizi - deneysel planlama

RNA-Seq DE iş akışı özeti

RNA-Seq DE analiz özeti

DE analiz sonuçları

RNA-Seq sonraki adımlar

Diferansiyel ifade sonuçlarının incelenmesi

Fibrosis raw counts dataset

RNA-Seq, belirli hastalıkların veya durumların altında yatan genleri ve yolları belirlemek için kullanılan heyecan verici bir yeni nesil dizileme yöntemidir. Yüksek verimli dizileme daha erişilebilir ve uygun maliyetli hale geldikçe, bu verileri analiz etme bilgisi giderek daha değerli bir beceri oluyor. RNA-Seq iş akışını öğrenmek ve ilgi duyduğun durum için hangi genlerin ve biyolojik süreçlerin önemli olabileceğini keşfetmek için bize katıl! Kursa, diferansiyel ifade (DE) analizine vurgu yaparak RNA-Seq iş akışına kısa bir genel bakışla başlayacağız. Her gen için sayımlarla başlayarak, DE analizi için verileri nasıl hazırlayacağını, sayım verilerinin kalitesini nasıl değerlendireceğini ve aykırı örnekleri ile verideki başlıca varyasyon kaynaklarını nasıl tespit edeceğini ele alacağız. DESeq2 R paketi, sayım verilerini negatif binom modellemesiyle modellemek ve diferansiyel olarak ifade edilen genleri test etmek için kullanılacaktır. Sonuçların ısı haritaları ve volkan grafikleriyle görselleştirilmesi yapılacak ve anlamlı diferansiyel olarak ifade edilen genler belirlenip kaydedilecektir.

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

RNA-Seq ile gen ekspresyon analizi yaparak hastalıklar için önemli genleri belirleyin.

R ile Bioconductor kullanarak RNA-Seq

RNA-Seq diferansiyel ifade analizini kullanarak, farklı hastalıklar veya durumlar için önemli olması muhtemel genleri belirleyin.

Genomik Verilerin Analizi in R

Temel Kavramlar

R ile Bioconductor kullanarak RNA-Seq

Uygulamalı etkileşimli egzersiz