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 & Statistics4 u16 videos44 Opdrachten3,150 XP21,175Prestatieverklaring

Maak je gratis account aan

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

Wil je 2 of meer mensen trainen?

Probeer DataCamp for Business

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

Introduction to RNA-Seq theory and workflow

In this chapter we explore what we can do with RNA-Seq data and why it is exciting. We learn about the different steps and considerations involved in an RNA-Seq workflow.
Hoofdstuk Beginnen
2

Exploratory data analysis

3

Differential expression analysis with DESeq2

4

Exploration of differential expression results

In this final chapter we explore the differential expression results using visualizations, such as heatmaps and volcano plots. We also review the steps in the analysis and summarize the differential expression workflow with DESeq2.
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 gratis account aan

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.