Sariți la conținutul principal
AcasăR

Curs

Differential Expression Analysis with limma in R

AvansatNivel de competențe
Actualizat 08.2024
Learn to use the Bioconductor package limma for differential gene expression analysis.
Începe cursul gratuit
RProbability & Statistics
4 h
15 videoclipuri
47 Exerciții
3,900 XP
8,122
Certificat de realizare

Creează-ți contul gratuit

Continuă cu GoogleArată mai multe opțiuni

sau

Continuând, accepți Termenii de utilizare, Politica de confidențialitate și faptul că datele tale sunt stocate în SUA.

Îndrăgit de cursanți din mii de companii

Group

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

Functional genomic technologies like microarrays, sequencing, and mass spectrometry enable scientists to gather unbiased measurements of gene expression levels on a genome-wide scale. Whether you are generating your own data or want to explore the large number of publicly available data sets, you will first need to learn how to analyze these types of experiments. In this course, you will be taught how to use the versatile R/Bioconductor package limma to perform a differential expression analysis on the most common experimental designs. Furthermore, you will learn how to pre-process the data, identify and correct for batch effects, visually assess the results, and perform enrichment testing. After completing this course, you will have general analysis strategies for gaining insight from any functional genomics study.

Cerințe prealabile

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.
Începe capitolul
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.
Începe capitolul
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.
Începe capitolul
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.
Începe capitolul
Differential Expression Analysis with limma in R
Curs
finalizat

Obține diploma de absolvire

Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumat
Distribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum

Alătură-te celor peste 19 de milioane de cursanți și începe Differential Expression Analysis with limma in R astăzi!

Creează-ți contul gratuit

Continuă cu GoogleArată mai multe opțiuni

sau

Continuând, accepți Termenii de utilizare, Politica de confidențialitate și faptul că datele tale sunt stocate în SUA.

Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil

Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.