本章將說明 RNA-Seq 資料能做什麼，以及為什麼值得關注。你會認識 RNA-Seq 工作流程中的各步驟與重要考量。

RNA-Seq 簡介

核心概念

RNA-Seq 套件

RNA-Seq 工作流程

定序讀段比對

探索原始計數矩陣

差異基因表現概觀

差異基因表現（DGE）理論

DGE 理論：中介資料（Metadata）

RNA-Seq 理論與工作流程入門

本章將以熱圖與主成分分析對 RNA-Seq 計數資料進行品質控管。我們會檢視樣本彼此的相似性，並判斷是否存在離群樣本。

差異表現分析導論

練習使用 DESeq2 小手冊

為 DESeq2 整理資料

對齊中介資料與計數資料

計數標準化

使用 DESeq2 進行計數正規化

階層式熱圖

依 condition 分層式熱圖

階層式熱圖分析

主成分分析

PCA 分析

PCA 練習：探索變異

PCA 練習：探索其他變異來源

探索性資料分析

本章將實際執行差異表現分析、產出結果，並找出差異表現基因。

差異表現分析（DE analysis）

建立 DE 物件

DESeq2 模型 — 離散度

DESeq2 模型 - 探索離差

解讀離散度圖

DESeq2 模型—對比

DESeq2 模型：擷取結果

DESeq2 結果－LFC 收縮

DESeq2 結果

探索 DESeq2 結果

彙整 DESeq2 結果

DESeq2 顯著結果

使用 DESeq2 進行差異表現分析

在最後一章，我們會用熱圖與火山圖等視覺化方式探索差異表現結果。同時複習整體分析步驟，並以 DESeq2 彙整差異表現工作流程。

結果視覺化

DESeq2 視覺化：MA 圖與火山圖

DESeq2 視覺化：熱圖

RNA-Seq 差異表現分析總結－設定

RNA-Seq 差異表現分析－實驗規劃

RNA-Seq DE 工作流程總結

RNA-Seq 差異表現分析總結

DE 分析

DE 分析結果

RNA-Seq 後續步驟

差異表現結果探索

Fibrosis raw counts dataset

RNA-Seq 是一種令人振奮的新世代定序方法，用來找出與特定疾病或狀況相關的基因與途徑。隨著高通量定序愈加平價且易於取得，分析這類資料的能力也變得越來越重要。一起來學習 RNA-Seq 的工作流程，並了解如何找出與你關注的狀況相關的重要基因與生物學過程！我們將先以簡介方式帶你概覽 RNA-Seq 的工作流程，重點放在差異表現（DE）分析。從每個基因的計數開始，課程會介紹如何為 DE 分析準備資料、評估計數資料的品質，以及辨識離群值並偵測資料中的主要變異來源。接著會使用 DESeq2 R 套件，以負二項模型來擬合計數資料並檢定差異表現基因。最後以熱圖與火山圖視覺化結果，並將顯著的差異表現基因加以辨識與儲存。

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

使用RNA-Seq差異表達分析識別可能對不同疾病或狀況重要的基因。

使用 R 與 Bioconductor 進行 RNA-Seq

基因組數據分析 在 R 中

探索原始計數矩陣

使用 R 與 Bioconductor 進行 RNA-Seq

練習說明

動手互動練習