Przejdź do głównej treści
DomR

course

Analiza różnicowej ekspresji genów z limma w R

ZaawansowanyPoziom umiejętności
Zaktualizowano 08.2024
Naucz się używać pakietu Bioconductor limma do analizy różnicowej ekspresji genów.
Rozpocznij Kurs Za Darmo
RProbability & Statistics
4 godz.
15 videos
47 Exercises
3,900 PD
8,117
Oświadczenie o ukończeniu

Utwórz darmowe konto

Kontynuuj Z GooglePokaż więcej opcji

lub

Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.

Uwielbiane przez uczących się w tysiącach firm

Group

Szkolisz zespół?

Wypróbuj dla firm

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

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.
Rozpocznij Rozdział
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.
Rozpocznij Rozdział
3

Pre- and post-processing

Now that you've learned how to perform differential expression tests, next you'll learn how to normalize and filter the feature data, check for technical batch effects, and assess the results.
Rozpocznij Rozdział
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.
Rozpocznij Rozdział
Analiza różnicowej ekspresji genów z limma w R
Ukończono
kurs

Zdobądź Certyfikat Ukończenia

Dodaj ten certyfikat do swojego profilu na LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i w swojej ocenie okresowejZapisz Się Teraz

Dołącz do ponad 19 milionów osób uczących się i zacznij Analiza różnicowej ekspresji genów z limma w R już dziś!

Utwórz darmowe konto

Kontynuuj Z GooglePokaż więcej opcji

lub

Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.