Accéder au contenu principal

Cours

RNA-Seq avec Bioconductor en R

Intermédiaire4 h

Utilisez l’analyse d’expression différentielle RNA-Seq pour identifier les gènes susceptibles d’être importants dans différentes maladies ou conditions.

R4 h16 vidéos44 exercices3,150 XP21,483Attestation de réussite

Créez votre compte gratuit

Continuer avec Google
ou
En continuant, vous acceptez nos Conditions d’utilisation, notre notre Politique de confidentialité et que vos données sont stockées aux États-Unis.

Plébiscité par des apprenants dans des milliers d’entreprises

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.
Commencer le chapitre
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.
Commencer le chapitre
R

RNA-Seq avec Bioconductor en R

Cours
terminé

Obtenir un certificat d'achèvement

S’inscrire maintenant

Apprenez où que vous soyez avec l'application DataCamp

Même en déplacement, suivez quotidiennement nos cours mobiles et nos défis de codage de 5 minutes.