本章将介绍 RNA-Seq 数据可以完成的分析，以及它为何值得关注。您将了解 RNA-Seq 工作流所涉及的各个步骤与关键注意事项。

RNA-Seq 简介

核心概念

RNA-Seq 包

RNA-Seq 工作流

Reads 比对

探索原始计数矩阵

差异基因表达概览

DGE 理论

DGE 理论：元数据

RNA-Seq 理论与工作流入门

本章将使用热图和主成分分析对 RNA-Seq 计数数据进行质量控制。我们将考察各样本之间的相似性，并判断是否存在离群样本。

差异表达分析入门

练习：阅读 DESeq2 小册

为 DESeq2 整理数据

匹配元数据与计数数据

计数标准化

使用 DESeq2 标准化计数

层次聚类热图

按 condition 分组的分层热图

层次聚类热图分析

主成分分析

PCA 分析

PCA 练习：探索变异

PCA 实践：探索更多变异来源

探索性数据分析

本章将实际执行差异表达分析，生成结果，并识别差异表达基因。

差异表达（DE）分析

创建 DE 对象

DESeq2 模型——离散度

DESeq2 模型——探索离散度

解读离散度图

DESeq2 模型 - 对比

DESeq2 模型——提取结果

DESeq2 结果 - LFC 收缩

DESeq2 结果

DESeq2 结果探索

汇总 DESeq2 结果

DESeq2 显著性结果

使用 DESeq2 进行差异表达分析

在最后一章中，我们将通过热图、火山图等可视化方法探索差异表达结果。同时回顾分析步骤，并用 DESeq2 总结差异表达的完整工作流。

结果可视化

DESeq2 可视化——MA 图与火山图

DESeq2 可视化——热图

RNA-Seq 差异表达分析总结——设置

RNA-Seq 差异表达分析——实验规划

RNA-Seq DE 工作流程总结

RNA-Seq 差异表达分析总结

DE 分析

DE 分析结果

RNA-Seq 后续步骤

差异表达结果的深入探索

Fibrosis raw counts dataset

RNA-Seq 是一种令人振奋的下一代测序方法，用于识别与特定疾病或状态相关的基因和通路。随着高通量测序成本下降并被更多研究者使用，掌握这类数据的分析也愈发重要。欢迎加入本课程，了解 RNA-Seq 的整体流程，并学习如何找出与您感兴趣的状况相关的重要基因和生物学过程！课程将从 RNA-Seq 工作流的简要概述开始，重点介绍差异表达（DE）分析。我们将从每个基因的计数数据出发，讲解如何为 DE 分析准备数据、评估计数数据的质量、识别离群样本，并检测数据中的主要变异来源。课程将使用 DESeq2 R 包，以负二项分布模型对计数数据建模，并检验差异表达基因。随后，我们将通过热图和火山图对结果进行可视化，识别显著的差异表达基因并保存结果。

Introduction to Bioconductor in R

Introduction to Data Visualization with ggplot2

使用RNA-Seq差异表达分析识别可能对不同疾病或状况重要的基因。

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

使用 RNA-Seq 差异表达分析识别可能对不同疾病或条件重要的基因。

分析基因组数据 在 R 中

DGE 理论

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

动手互动练习