Build your ultimate AI agent
Kursbeskrivning
RNA-Seq är en spännande metod för nästa generations sekvensering, som används för att identifiera gener och biologiska processer kopplade till specifika sjukdomar eller tillstånd. I takt med att högkapacitetssekvensering blir mer prisvärd och tillgänglig för fler forskare, ökar värdet av att kunna analysera denna typ av data. Lär dig mer om RNA-Seq-arbetsflödet och hur du identifierar vilka gener och biologiska processer som kan vara relevanta för ditt intresseområde! Kursen inleds med en kortfattad genomgång av RNA-Seq-arbetsflödet med fokus på differentiell expressionsanalys (DE-analys). Med genantal som utgångspunkt går kursen igenom hur du förbereder data inför DE-analys, utvärderar kvaliteten på räknedata samt identifierar avvikande prover och kartlägger de viktigaste källorna till variation i data. R-paketet DESeq2 används för att modellera räknedata med en negativ binomialmodell och testa för differentiellt uttryckta gener. Resultaten visualiseras med heatmaps och vulkandiagram, och de signifikant differentiellt uttryckta generna identifieras och sparas.
Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till RNA-Seq-teori och arbetsflöde
I det här kapitlet undersöker vi vad man kan göra med RNA-Seq-data och varför det är ett spännande område. Vi går igenom de olika stegen och övervägandena i ett RNA-Seq-arbetsflöde.
2
Explorativ dataanalys
I det här kapitlet utför vi kvalitetskontroll av RNA-Seq-räknedata med hjälp av heatmaps och principalkomponentanalys. Vi undersöker likheterna mellan proverna och avgör om det finns några avvikande prover.
3
Differentiell expressionsanalys med DESeq2
I det här kapitlet genomför vi den differentiella expressionsanalysen, genererar resultat och identifierar de differentiellt uttryckta generna.
4
Utforskning av resultat från differentiell expressionsanalys
I det här avslutande kapitlet utforskar vi resultaten från den differentiella expressionsanalysen med hjälp av visualiseringar, till exempel heatmaps och vulkandiagram. Vi går även igenom analysstegen och sammanfattar arbetsflödet för differentiell expressionsanalys med DESeq2.
R
RNA-Seq med Bioconductor i R
Kurs
slutförd
