DataCamp Premium à -50 %.Plus de 700 cours, à moitié prix. Commencez à apprendre dès aujourd’hui.
Description du cours
Les technologies de génomique fonctionnelle comme les microarrays, le séquençage et la spectrométrie de masse permettent aux scientifiques de mesurer sans a priori les niveaux d’expression génique à l’échelle du génome. Que vous produisiez vos propres données ou que vous souhaitiez explorer les nombreux jeux de données publics, vous devez d’abord apprendre à analyser ce type d’expériences. Dans ce cours, vous verrez comment utiliser le package R/Bioconductor polyvalent limma pour réaliser une analyse d’expression différentielle sur les plans expérimentaux les plus courants. Vous apprendrez aussi à prétraiter les données, à repérer et corriger les effets de lot, à évaluer visuellement les résultats et à effectuer des tests d’enrichissement. À la fin du cours, vous disposerez de stratégies d’analyse générales pour tirer parti de toute étude de génomique fonctionnelle.
Prérequis
Programme de formation
Plan du cours
1
Analyse d’expression différentielle
Pour commencer, vous passerez en revue les objectifs de l’analyse d’expression différentielle, gérerez des données d’expression génique avec R et Bioconductor, et exécuterez votre première analyse d’expression différentielle avec limma.
- Analyse d’expression différentielle50 XP
- Applications de l’analyse d’expression différentielle50 XP
- Données d’expression différentielle50 XP
- Créer un boxplot100 XP
- La classe ExpressionSet50 XP
- Créer un objet ExpressionSet100 XP
- Créer un boxplot avec un objet ExpressionSet100 XP
- Le package limma50 XP
- Spécifier un modèle linéaire pour comparer 2 groupes100 XP
- Tester l’expression différentielle entre 2 groupes100 XP
2
Modèles flexibles pour des plans d’étude courants
Dans ce chapitre, vous apprendrez à construire des modèles linéaires pour tester l’expression différentielle dans des plans expérimentaux courants.
3
Prétraitement et post-traitement
Maintenant que vous savez réaliser des tests d’expression différentielle, vous apprendrez à normaliser et filtrer les caractéristiques, à vérifier les effets de lot techniques et à évaluer les résultats.
4
Étude de cas : effet d’un traitement à la doxorubicine
Dans ce dernier chapitre, vous mettrez en pratique vos nouvelles compétences pour effectuer de bout en bout une analyse d’expression différentielle d’une étude utilisant un plan factoriel afin d’évaluer l’impact du médicament anticancéreux doxorubicine sur le cœur de souris ayant des antécédents génétiques différents.
R
Analyse d’expression différentielle avec limma en R
Cours
terminé
