본문으로 바로가기
R

강의

R에서 limma로 하는 차등 발현 분석

고급기술 수준
업데이트됨 2024. 8.
Bioconductor 패키지 limma로 차등 유전자 발현 분석을 학습하세요.
무료로 강의 시작
RProbability & Statistics
4시간
15 동영상
47 연습 문제
3,900 XP
8,122
성취 증명서

무료 계정 만들기

Google에서 계속 진행더 많은 옵션 보기

또는


계속 진행하시면 당사의 이용약관개인정보처리방침에 동의하고 및 귀하의 데이터가 미국에 저장되는 것에 동의하게 됩니다.

수천 개 기업의 학습자들이 사랑하는

Group

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

마이크로어레이, 시퀀싱, 질량분석과 같은 기능유전체학 기술은 과학자들이 전장 유전체 수준에서 유전자 발현을 편향 없이 측정할 수 있게 해줍니다. 직접 데이터를 생성하든, 공개된 대규모 데이터 세트를 탐색하든, 먼저 이러한 실험을 분석하는 방법을 익혀야 합니다. 이 강의에서는 다재다능한 R/Bioconductor 패키지인 limma를 사용해 가장 일반적인 실험 설계에서 차등 발현 분석을 수행하는 방법을 배웁니다. 또한 데이터를 전처리하고, 배치 효과를 식별하고 보정하며, 결과를 시각적으로 평가하고, enrichment 테스트를 수행하는 방법도 학습합니다. 이 강의를 마치면 어떤 기능유전체학 연구에서도 통찰을 얻을 수 있는 일반적인 분석 전략을 갖추게 됩니다.

선수 조건

Introduction to Statistics in R
1

Differential Expression Analysis

To begin, you'll review the goals of differential expression analysis, manage gene expression data using R and Bioconductor, and run your first differential expression analysis with limma.
챕터 시작
2

Flexible Models for Common Study Designs

In this chapter, you'll learn how to construct linear models to test for differential expression for common experimental designs.
챕터 시작
3

Pre- and post-processing

4

Case Study: Effect of Doxorubicin Treatment

In this final chapter, you'll use your new skills to perform an end-to-end differential expression analysis of a study that uses a factorial design to assess the impact of the cancer drug doxorubicin on the hearts of mice with different genetic backgrounds.
챕터 시작
R에서 limma로 하는 차등 발현 분석
강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요
지금 등록

19백만 명 이상의 학습자와 함께 R에서 limma로 하는 차등 발현 분석을(를) 시작하세요!

무료 계정 만들기

Google에서 계속 진행더 많은 옵션 보기

또는


계속 진행하시면 당사의 이용약관개인정보처리방침에 동의하고 및 귀하의 데이터가 미국에 저장되는 것에 동의하게 됩니다.

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.