Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
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
Lernprogramm
Kursübersicht
1
Einführung in Theorie und Workflow von RNA-Seq
In diesem Kapitel erkunden wir, was sich mit RNA-Seq-Daten machen lässt und warum das so spannend ist. Wir lernen die einzelnen Schritte und Überlegungen kennen, die in einem RNA-Seq-Workflow eine Rolle spielen.
2
Explorative Datenanalyse
In diesem Kapitel führen wir eine Qualitätskontrolle der RNA-Seq-Count-Daten mithilfe von Heatmaps und einer Hauptkomponentenanalyse durch. Wir untersuchen, wie ähnlich sich die Proben sind, und prüfen, ob es Ausreißer unter den Proben gibt.
3
Analyse differentieller Expression mit DESeq2
In diesem Kapitel führen wir die Analyse der differentiellen Expression durch, erzeugen Ergebnisse und identifizieren die differentiell exprimierten Gene.
4
Erkundung der Ergebnisse der differentiellen Expression
In diesem letzten Kapitel erkunden wir die Ergebnisse der differentiellen Expression mit Visualisierungen wie Heatmaps und Volcano-Plots. Außerdem wiederholen wir die Schritte der Analyse und fassen den Workflow der differentiellen Expression mit DESeq2 zusammen.
R
RNA-Seq mit Bioconductor in R
Kurs
abgeschlossen
