Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Las tecnologías de genómica funcional como los microarrays, la secuenciación y la espectrometría de masas permiten obtener mediciones imparciales de los niveles de expresión génica a escala del genoma. Tanto si generas tus propios datos como si quieres explorar la gran cantidad de conjuntos de datos públicos disponibles, primero tendrás que aprender a analizar este tipo de experimentos. En este curso aprenderás a usar el versátil paquete de R/Bioconductor limma para realizar un análisis de expresión diferencial en los diseños experimentales más comunes. Además, verás cómo preprocesar los datos, identificar y corregir efectos de lote, evaluar visualmente los resultados y llevar a cabo pruebas de enriquecimiento. Al finalizar, contarás con estrategias generales de análisis para extraer información de cualquier estudio de genómica funcional.
Requisitos previos
Programa de formación
Esquema del curso
1
Análisis de expresión diferencial
Para empezar, repasarás los objetivos del análisis de expresión diferencial, gestionarás datos de expresión génica con R y Bioconductor, y ejecutarás tu primer análisis de expresión diferencial con limma.
- Análisis de expresión diferencial50 XP
- Aplicaciones del análisis de expresión diferencial50 XP
- Datos de expresión diferencial50 XP
- Crea un diagrama de cajas100 XP
- La clase ExpressionSet50 XP
- Crea un objeto ExpressionSet100 XP
- Crea un diagrama de cajas con un objeto ExpressionSet100 XP
- El paquete limma50 XP
- Especifica un modelo lineal para comparar 2 grupos100 XP
- Prueba de expresión diferencial entre 2 grupos100 XP
2
Modelos flexibles para diseños de estudio comunes
En este capítulo, aprenderás a construir modelos lineales para comprobar la expresión diferencial en diseños experimentales comunes.
3
Preprocesamiento y posprocesamiento
Ahora que ya sabes realizar pruebas de expresión diferencial, verás cómo normalizar y filtrar los datos de las características, comprobar efectos de lote técnicos y evaluar los resultados.
4
Caso práctico: efecto del tratamiento con doxorrubicina
En este capítulo final, pondrás en práctica lo aprendido para realizar un análisis de expresión diferencial de principio a fin en un estudio con un diseño factorial que evalúa el impacto del fármaco oncológico doxorrubicina en los corazones de ratones con distintos antecedentes genéticos.
R
Análisis de expresión diferencial con limma en R
Curso
completado
