Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Le RNA-Seq est une méthode de séquençage de nouvelle génération passionnante, utilisée pour identifier les gènes et les voies impliqués dans certaines maladies ou conditions. À mesure que le séquençage à haut débit devient plus abordable et accessible à une communauté de chercheurs plus large, savoir analyser ces données devient une compétence de plus en plus précieuse. Rejoignez-nous pour découvrir le flux de travail RNA-Seq et apprendre à identifier les gènes et processus biologiques susceptibles d’être importants pour votre condition d’intérêt. Nous commencerons par un bref aperçu du flux de travail RNA-Seq, en mettant l’accent sur l’analyse d’expression différentielle (DE). À partir des comptes pour chaque gène, le cours expliquera comment préparer les données pour l’analyse DE, évaluer la qualité des données de comptage, identifier les valeurs aberrantes et détecter les principales sources de variation. Le package R DESeq2 sera utilisé pour modéliser les données de comptage avec un modèle binomial négatif et tester les gènes différentiellement exprimés. Nous visualiserons les résultats à l’aide de cartes de chaleur et de volcans, et nous identifierons et enregistrerons les gènes différentiellement exprimés significatifs.
Prérequis
Programme de formation
Plan du cours
1
Introduction à la théorie et au flux de travail RNA-Seq
Dans ce chapitre, nous explorons ce que l’on peut faire avec des données RNA-Seq et pourquoi c’est enthousiasmant. Nous passons en revue les différentes étapes et points d’attention d’un flux de travail RNA-Seq.
2
Analyse exploratoire des données
Dans ce chapitre, nous effectuons un contrôle qualité des données de comptage RNA-Seq à l’aide de cartes de chaleur et de l’analyse en composantes principales. Nous examinons la similarité entre les échantillons et vérifions s’il existe des échantillons aberrants.
3
Analyse d’expression différentielle avec DESeq2
Dans ce chapitre, nous réalisons l’analyse d’expression différentielle, générons les résultats et identifions les gènes différentiellement exprimés.
4
Exploration des résultats d’expression différentielle
Dans ce dernier chapitre, nous explorons les résultats d’expression différentielle avec des visualisations, comme des cartes de chaleur et des graphiques volcan. Nous récapitulons également les étapes de l’analyse et synthétisons le flux de travail d’expression différentielle avec DESeq2.
R
RNA-Seq avec Bioconductor en R
Cours
terminé
