Trong chương này, chúng ta khám phá những gì có thể làm với dữ liệu RNA-Seq và vì sao nó thú vị. Bạn sẽ tìm hiểu các bước và yếu tố cần cân nhắc trong một quy trình RNA-Seq.

Giới thiệu về RNA-Seq

Khái niệm cốt lõi

Các gói RNA-Seq

Quy trình làm việc RNA-Seq

Căn chỉnh read

Khám phá ma trận đếm thô

Tổng quan về biểu hiện gene khác biệt

Lý thuyết DGE

Lý thuyết DGE: Metadata

Giới thiệu về lý thuyết và quy trình RNA-Seq

Trong chương này, chúng ta thực hiện kiểm soát chất lượng trên dữ liệu đếm RNA-Seq bằng heatmap và phân tích thành phần chính. Ta khám phá mức độ tương đồng giữa các mẫu và xác định liệu có mẫu ngoại lai hay không.

Giới thiệu về phân tích biểu hiện khác biệt

Luyện tập với vignette của DESeq2

Tổ chức dữ liệu cho DESeq2

Khớp metadata và dữ liệu đếm

Chuẩn hóa số đếm

Chuẩn hóa số đếm với DESeq2

Heatmap phân cấp

Heatmap phân cấp theo condition

Phân tích heatmap phân cấp

Phân tích thành phần chính

Phân tích PCA

Thực hành PCA: khám phá biến thiên

Luyện tập PCA: khám phá các biến thiên bổ sung

Phân tích khám phá dữ liệu

Trong chương này, chúng ta tiến hành phân tích biểu hiện sai khác, tạo kết quả và xác định các gen có biểu hiện sai khác.

Phân tích DE

Tạo đối tượng DE

Mô hình DESeq2 - độ phân tán

Mô hình DESeq2 - khám phá độ phân tán

Diễn giải biểu đồ dispersion

Mô hình DESeq2 - đối chiếu (contrasts)

Mô hình DESeq2 - trích xuất kết quả

Kết quả DESeq2 - Thu nhỏ LFC

Kết quả DESeq2

Khám phá kết quả DESeq2

Tóm tắt kết quả DESeq2

Kết quả có ý nghĩa thống kê của DESeq2

Phân tích biểu hiện sai khác với DESeq2

Trong chương cuối, chúng ta khám phá kết quả biểu hiện sai khác bằng các trực quan như heatmap và biểu đồ núi lửa. Chúng ta cũng điểm lại các bước phân tích và tóm tắt quy trình biểu hiện sai khác với DESeq2.

Trực quan hóa kết quả

Trực quan hóa với DESeq2 - biểu đồ MA và volcano

Trực quan hóa với DESeq2 - heatmap

Tóm tắt phân tích DE của RNA-Seq - thiết lập

Phân tích DE cho RNA-Seq - lập kế hoạch thí nghiệm

Tóm tắt quy trình RNA-Seq DE

Tóm tắt phân tích DE cho RNA-Seq

Kết quả phân tích DE

Các bước tiếp theo cho RNA-Seq

Khám phá kết quả biểu hiện sai khác

Fibrosis raw counts dataset

RNA-Seq là một phương pháp giải trình tự thế hệ mới đầy hứng thú, dùng để xác định các gen và con đường sinh học liên quan đến những bệnh lý hoặc tình trạng cụ thể. Khi giải trình tự throughput cao ngày càng rẻ hơn và tiếp cận được với nhiều nhà nghiên cứu hơn, kỹ năng phân tích loại dữ liệu này ngày càng trở nên giá trị. Hãy cùng học quy trình RNA-Seq và khám phá cách xác định những gen và quá trình sinh học có thể quan trọng cho tình trạng bạn quan tâm! Khóa học sẽ bắt đầu với phần tổng quan ngắn về quy trình RNA-Seq, nhấn mạnh vào phân tích biểu hiện sai khác (DE). Bắt đầu từ số đếm cho mỗi gen, khóa học sẽ hướng dẫn cách chuẩn bị dữ liệu cho phân tích DE, đánh giá chất lượng dữ liệu đếm, xác định điểm ngoại lai và phát hiện các nguồn biến thiên chính trong dữ liệu. Gói R DESeq2 sẽ được dùng để mô hình hóa dữ liệu đếm bằng mô hình nhị thức âm và kiểm định các gen có biểu hiện sai khác. Kết quả sẽ được trực quan hóa bằng heatmap và biểu đồ núi lửa, và các gen có biểu hiện sai khác có ý nghĩa sẽ được xác định và lưu lại.

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

Sử dụng phân tích biểu hiện vi sai RNA-Seq để xác định gen quan trọng cho các bệnh hoặc tình trạng khác nhau.

RNA-Seq với Bioconductor trong R

Dùng phân tích biểu hiện khác biệt RNA-Seq để xác định các gen có khả năng quan trọng đối với các bệnh hoặc điều kiện khác nhau.

Phân tích dữ liệu gen trong R

Khái niệm cốt lõi

RNA-Seq với Bioconductor trong R

Bài tập tương tác thực hành