Ga naar hoofdinhoud
HomeR

Cursus

RNA-Seq met Bioconductor in R

GemiddeldVaardigheidsniveau
Bijgewerkt 09-2024
Gebruik RNA-Seq differentiële expressieanalyse om genen te vinden die waarschijnlijk belangrijk zijn voor verschillende ziekten of aandoeningen.
Start Cursus Kosteloos
RProbability & Statistics
4 u
16 videos
44 Opdrachten
3,150 XP
21,379
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

RNA-Seq is een spannende next-generation-sequencingmethode die wordt gebruikt om genen en routes te identificeren die ten grondslag liggen aan bepaalde ziekten of aandoeningen. Nu high-throughput-sequencing betaalbaarder en toegankelijker wordt voor een bredere onderzoeksgemeenschap, wordt de kennis om deze data te analyseren een steeds waardevollere vaardigheid. Doe mee en leer over de RNA-Seq-workflow en ontdek hoe je kunt bepalen welke genen en biologische processen belangrijk kunnen zijn voor jouw aandoening of onderwerp! We beginnen de cursus met een korte overzicht van de RNA-Seq-workflow, met nadruk op differentiële expressie (DE)-analyse. Beginnend met de tellingen per gen, behandelen we hoe je data voorbereidt voor DE-analyse, de kwaliteit van de tellingen beoordeelt, uitschieters identificeert en belangrijke bronnen van variatie in de data opspoort. We gebruiken het R-pakket DESeq2 om de tellingen te modelleren met een negatief-binomiaal model en te testen op differentieel geëxprimeerde genen. We visualiseren de resultaten met heatmaps en vulkaandiagrammen en identificeren en bewaren de significante differentieel geëxprimeerde genen.

Vereisten

Introduction to Bioconductor in RIntroduction to Data Visualization with ggplot2
1

Introductie tot RNA-Seq-theorie en -workflow

In dit hoofdstuk verkennen we wat je met RNA-Seq-data kunt doen en waarom dat zo interessant is. We leren over de verschillende stappen en aandachtspunten in een RNA-Seq-workflow.
Hoofdstuk beginnen
2

Verkennende data-analyse

In dit hoofdstuk voeren we kwaliteitscontrole uit op de RNA-Seq-teldata met behulp van heatmaps en hoofcomponentenanalyse. We onderzoeken hoe sterk de monsters op elkaar lijken en bepalen of er uitschieters tussen de monsters zijn.
Hoofdstuk beginnen
4

Verkenning van resultaten van differentiële expressie

In dit laatste hoofdstuk verkennen we de resultaten van de differentiële expressie met visualisaties, zoals heatmaps en vulkaandiagrammen. We lopen ook de stappen in de analyse door en vatten de workflow voor differentiële expressie met DESeq2 samen.
Hoofdstuk beginnen
RNA-Seq met Bioconductor in R
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met RNA-Seq met Bioconductor in R!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.

Download on the App StoreGet it on Google Play