Last chance: 50% off unlimited learning
Sale ends in
Descrizione del corso
RNA-Seq è un'entusiasmante tecnica di sequenziamento di nuova generazione usata per identificare geni e pathway alla base di specifiche malattie o condizioni. Man mano che il sequenziamento ad alta processività diventa più accessibile ed economico per una platea più ampia di ricercatori, saper analizzare questi dati sta diventando una competenza sempre più preziosa. Unisciti a noi per esplorare il workflow RNA-Seq e scoprire come individuare quali geni e processi biologici potrebbero essere importanti per la condizione che ti interessa! Inizieremo con una breve panoramica del workflow RNA-Seq con enfasi sull'analisi di espressione differenziale (DE). A partire dai conteggi per ciascun gene, il corso mostrerà come preparare i dati per l'analisi DE, valutare la qualità dei dati di conteggio e identificare outlier e principali fonti di variazione nei dati. Il pacchetto R DESeq2 verrà utilizzato per modellare i conteggi con un modello binomiale negativo e testare i geni a espressione differenziale. Verrà effettuata la visualizzazione dei risultati con heatmap e volcano plot, e i geni con espressione differenziale significativa verranno identificati e salvati.
Prerequisiti
Programma
Struttura del corso
1
Introduzione alla teoria e al workflow RNA-Seq
In questo capitolo esploriamo cosa possiamo fare con i dati RNA-Seq e perché sono così interessanti. Impariamo le diverse fasi e le considerazioni coinvolte in un workflow RNA-Seq.
2
Analisi esplorativa dei dati
In questo capitolo eseguiamo il controllo qualità dei dati di conteggio RNA-Seq usando heatmap e analisi delle componenti principali. Esploriamo la similarità tra i campioni e verifichiamo se ci sono campioni outlier.
3
Analisi di espressione differenziale con DESeq2
In questo capitolo eseguiamo l'analisi di espressione differenziale, generiamo i risultati e identifichiamo i geni a espressione differenziale.
4
Esplorazione dei risultati di espressione differenziale
In questo capitolo finale esploriamo i risultati dell'espressione differenziale usando visualizzazioni come heatmap e volcano plot. Ripassiamo anche i passaggi dell'analisi e riassumiamo il workflow di espressione differenziale con DESeq2.
R
RNA-Seq con Bioconductor in R
Corso
completato
