Lewati ke konten utama
BerandaR

Kursus

RNA-Seq dengan Bioconductor di R

MenengahTingkat Keterampilan
Diperbarui 09/2024
Gunakan analisis ekspresi diferensial RNA-Seq untuk mengidentifikasi gen yang kemungkinan besar berperan penting dalam berbagai penyakit atau kondisi.
Mulai Kursus Gratis
RProbability & Statistics
4 jam
16 videos
44 Latihan
3,150 XP
21,379
Pernyataan Pencapaian

Buat Akun Gratis Anda

Lanjutkan dengan GoogleTampilkan opsi lainnya

atau


Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.

Dipercaya oleh para pelajar di ribuan perusahaan

Group

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

RNA-Seq adalah metode sekuensing generasi berikutnya yang menarik untuk mengidentifikasi gen dan jalur yang mendasari penyakit atau kondisi tertentu. Seiring sekuensing berkapasitas tinggi menjadi semakin terjangkau dan dapat diakses oleh komunitas peneliti yang lebih luas, kemampuan untuk menganalisis data ini menjadi keterampilan yang semakin berharga. Bergabunglah untuk mempelajari alur kerja RNA-Seq dan temukan cara mengidentifikasi gen dan proses biologis yang mungkin penting bagi kondisi yang Anda teliti! Kita akan memulai kursus dengan tinjauan singkat alur kerja RNA-Seq dengan penekanan pada analisis differential expression (DE). Dimulai dari jumlah hitungan untuk setiap gen, kursus ini akan membahas cara menyiapkan data untuk analisis DE, menilai kualitas data hitungan, serta mengidentifikasi pencilan dan mendeteksi sumber variasi utama dalam data. Paket R DESeq2 akan digunakan untuk memodelkan data hitungan menggunakan model binomial negatif dan menguji gen yang diekspresikan secara berbeda. Visualisasi hasil dengan heatmap dan volcano plot akan dilakukan, dan gen yang berbeda signifikan akan diidentifikasi dan disimpan.

Persyaratan

Introduction to Bioconductor in RIntroduction to Data Visualization with ggplot2
1

Pengantar teori dan alur kerja RNA-Seq

Pada bab ini kita mengeksplorasi apa yang dapat dilakukan dengan data RNA-Seq dan mengapa hal ini menarik. Kita mempelajari berbagai langkah dan pertimbangan yang terlibat dalam alur kerja RNA-Seq.
Mulai Bab
2

Analisis data eksploratif

Pada bab ini, kita melakukan pengendalian mutu pada data hitungan RNA-Seq menggunakan heatmap dan principal component analysis. Kita mengeksplorasi kemiripan antar sampel dan menentukan apakah ada sampel yang merupakan pencilan.
Mulai Bab
4

Eksplorasi hasil differential expression

Pada bab terakhir ini kita mengeksplorasi hasil differential expression menggunakan visualisasi, seperti heatmap dan volcano plot. Kita juga meninjau langkah-langkah analisis dan merangkum alur kerja differential expression dengan DESeq2.
Mulai Bab
RNA-Seq dengan Bioconductor di R
Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja Anda
Daftar sekarang

Bergabung dengan 19 juta pelajar dan mulai RNA-Seq dengan Bioconductor di R Hari Ini!

Buat Akun Gratis Anda

Lanjutkan dengan GoogleTampilkan opsi lainnya

atau


Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.