Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
Le tecnologie di genomica funzionale come microarray, sequenziamento e spettrometria di massa permettono agli scienziati di ottenere misurazioni non selettive dei livelli di espressione genica su scala dell'intero genoma. Che tu stia generando i tuoi dati o voglia esplorare il grande numero di insiemi di dati pubblici disponibili, dovrai prima imparare ad analizzare questo tipo di esperimenti. In questo corso imparerai a usare il versatile pacchetto R/Bioconductor limma per eseguire un'analisi di espressione differenziale nei disegni sperimentali più comuni. Inoltre, imparerai a pre-processare i dati, individuare e correggere gli effetti di batch, valutare visivamente i risultati ed eseguire test di arricchimento. Al termine del corso, avrai strategie di analisi generali per ricavare insight da qualsiasi studio di genomica funzionale.
Prerequisiti
Programma
Struttura del corso
1
Analisi dell'espressione differenziale
Per iniziare, ripasserai gli obiettivi dell'analisi di espressione differenziale, gestirai dati di espressione genica con R e Bioconductor ed eseguirai la tua prima analisi di espressione differenziale con limma.
- Analisi dell'espressione differenziale50 XP
- Applicazioni dell'analisi di espressione differenziale50 XP
- Dati di espressione differenziale50 XP
- Crea un boxplot100 XP
- La classe ExpressionSet50 XP
- Crea un oggetto ExpressionSet100 XP
- Crea un boxplot con un oggetto ExpressionSet100 XP
- Il pacchetto limma50 XP
- Specifica un modello lineare per confrontare 2 gruppi100 XP
- Test per l’espressione differenziale tra 2 gruppi100 XP
2
Modelli flessibili per disegni sperimentali comuni
In questo capitolo imparerai a costruire modelli lineari per testare l'espressione differenziale in disegni sperimentali comuni.
3
Pre- e post-processing
Ora che sai eseguire test di espressione differenziale, imparerai a normalizzare e filtrare le feature, controllare gli effetti tecnici di batch e valutare i risultati.
4
Caso di studio: effetto del trattamento con doxorubicina
In questo capitolo finale, userai le nuove competenze per eseguire un'analisi completa di espressione differenziale di uno studio con disegno fattoriale per valutare l'impatto del farmaco antitumorale doxorubicina sul cuore di topi con diversi background genetici.
R
Analisi dell'espressione differenziale con limma in R
Corso
completato
