After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Technologie funkcjonalnej genomiki, takie jak mikromacierze, sekwencjonowanie i spektrometria mas, umożliwiają naukowcom zbieranie obiektywnych pomiarów poziomów ekspresji genów w skali całego genomu. Niezależnie od tego, czy generujesz własne dane, czy chcesz przeanalizować ogromną liczbę publicznie dostępnych zbiorów danych, musisz najpierw nauczyć się analizować tego typu eksperymenty. W tym kursie poznasz pakiet R/Bioconductor limma i wykorzystasz go do przeprowadzenia analizy różnicowej ekspresji genów dla najczęściej spotykanych schematów doświadczalnych. Dowiesz się również, jak wstępnie przetwarzać dane, identyfikować efekty wsadowe i je korygować, wizualnie oceniać wyniki oraz przeprowadzać testy wzbogacenia. Po ukończeniu kursu będziesz dysponować ogólnymi strategiami analizy, które pozwolą ci wyciągać wnioski z dowolnego badania funkcjonalnej genomiki.
Wymagania wstępne
Program kursu
Plan kursu
1
Analiza różnicowej ekspresji genów
Na początku omówisz cele analizy różnicowej ekspresji genów, zarządzanie danymi ekspresji genów przy użyciu R i Bioconductor, a następnie przeprowadzisz pierwszą analizę różnicowej ekspresji genów z pakietem limma.
- Analiza różnicowej ekspresji genów50 XP
- Zastosowania analizy różnicowej ekspresji50 XP
- Dane z analizy ekspresji różnicowej50 XP
- Tworzenie wykresów pudełkowych100 XP
- Klasa ExpressionSet50 XP
- Tworzenie obiektu ExpressionSet100 XP
- Tworzenie wykresu pudełkowego z obiektem ExpressionSet100 XP
- Pakiet limma50 XP
- Definiowanie modelu liniowego do porównania 2 grup100 XP
- Testowanie różnicowej ekspresji między 2 grupami100 XP
2
Elastyczne modele dla typowych schematów badań
W tym rozdziale nauczysz się budować modele liniowe służące do testowania różnicowej ekspresji genów w typowych schematach doświadczalnych.
3
Przetwarzanie wstępne i końcowe
Skoro wiesz już, jak przeprowadzać testy różnicowej ekspresji genów, czas dowiedzieć się, jak normalizować i filtrować dane cech, wykrywać techniczne efekty wsadowe oraz oceniać wyniki.
4
Studium przypadku: wpływ leczenia doksorubicyną
W tym ostatnim rozdziale wykorzystasz zdobyte umiejętności do przeprowadzenia kompleksowej analizy różnicowej ekspresji genów w badaniu opartym na schemacie czynnikowym, które ocenia wpływ leku przeciwnowotworowego doksorubicyny na serca myszy o różnym tle genetycznym.
R
Analiza różnicowej ekspresji genów z limma w R
Kurs
ukończony
