Weiter zum Inhalt
StartseiteR

Kurs

RNA-Seq mit Bioconductor in R

FortgeschrittenSchwierigkeitsgrad
Aktualisiert 09/2024
Nutze die RNA-Seq-Differenzanalyse, um Gene zu finden, die wahrscheinlich wichtig für verschiedene Krankheiten oder Zustände sind.
Kurs kostenlos starten
RProbability & Statistics4 Std.16 Videos44 Übungen3,150 XP21,170Leistungsnachweis

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

Beliebt bei Lernenden in Tausenden Unternehmen

Group

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Kursbeschreibung

RNA-Seq ist eine spannende Methode der Next-Generation-Sequenzierung, mit der Gene und Signalwege identifiziert werden können, die bestimmten Krankheiten oder Zuständen zugrunde liegen. Da Hochdurchsatzsequenzierung immer erschwinglicher wird und für eine breitere Forschergemeinschaft zugänglich ist, wird das Know-how zur Analyse dieser Daten zunehmend zu einer wertvollen Fähigkeit. Begleite uns, um den RNA-Seq-Workflow kennenzulernen und herauszufinden, welche Gene und biologischen Prozesse für deinen interessierenden Zustand wichtig sein könnten! Wir starten mit einem kurzen Überblick über den RNA-Seq-Workflow mit Schwerpunkt auf der Analyse der differentiellen Expression (DE). Ausgehend von den Counts für jedes Gen lernst du, wie man Daten für die DE-Analyse vorbereitet, die Qualität der Count-Daten bewertet sowie Ausreißer identifiziert und die wichtigsten Quellen der Variation in den Daten erkennt. Mit dem R-Paket DESeq2 wird die Count-Verteilung mithilfe eines negativen Binomialmodells modelliert und auf differentiell exprimierte Gene getestet. Die Ergebnisse werden mit Heatmaps und Volcano-Plots visualisiert, und die signifikant differentiell exprimierten Gene werden identifiziert und gespeichert.

Voraussetzungen

Introduction to Bioconductor in RIntroduction to Data Visualization with ggplot2
1

Introduction to RNA-Seq theory and workflow

In this chapter we explore what we can do with RNA-Seq data and why it is exciting. We learn about the different steps and considerations involved in an RNA-Seq workflow.
Kapitel starten
2

Exploratory data analysis

3

Differential expression analysis with DESeq2

4

Exploration of differential expression results

In this final chapter we explore the differential expression results using visualizations, such as heatmaps and volcano plots. We also review the steps in the analysis and summarize the differential expression workflow with DESeq2.
Kapitel starten
RNA-Seq mit Bioconductor in R
Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu Deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in Deiner LeistungsbeurteilungJetzt anmelden

    Schließe dich 19 Millionen Lernenden an und starte RNA-Seq mit Bioconductor in R heute!

    Kostenloses Konto erstellen

    oder

    Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

    DataCamp gibt es auch für Mobilgeräte

    Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.