Översikt: differentiell genuttryck

RNA-Seq med Bioconductor i R

Mary Piper

Bioinformatics Consultant and Trainer

heatmap med foldförändringar

RNA-Seq med Bioconductor i R

DE-variation

RNA-Seq med Bioconductor i R

JCI-artikel

RNA-Seq med Bioconductor i R

Introduktion till datamängden: Smoc2

njurfibros

RNA-Seq med Bioconductor i R

RNA-Seq-experiment

RNA-Seq med Bioconductor i R

RNA-Seq: fördelning av counts

ggplot(raw_counts) +
  geom_histogram(aes(x = wt_normal1), stat = "bin", bins = 200) +
  xlab("Raw expression counts") +
  ylab("Number of genes")

Fördelning av counts

RNA-Seq med Bioconductor i R

Förberedelse för differentiell expressionsanalys: DESeq2-objekt

dds <- DESeqDataSetFromMatrix(countData = rawcounts,
                        colData = metadata,
                        design = ~ condition)

counts-data

RNA-Seq med Bioconductor i R

Förberedelse för differentiell expressionsanalys: metadata

# Create vectors containing metadata for the samples
genotype <- c("wt", "wt", "wt", "wt", "wt", "wt", "wt") 
condition <- c("normal", "fibrosis", "normal", 
               "fibrosis", "normal", "fibrosis", "fibrosis") 

# Combine vectors into a data frame
wt_metadata <- data.frame(genotype, wildtype)


# Create the row names with the associated sample names
rownames(wt_metadata) <- c("wt_normal3", "wt_fibrosis3", "wt_normal1", 
                "wt_fibrosis2", "wt_normal2", "wt_fibrosis4", "wt_fibrosis1")
RNA-Seq med Bioconductor i R

Förberedelse för differentiell expressionsanalys: metadata

metadata

RNA-Seq med Bioconductor i R

Nu kör vi en övning!

RNA-Seq med Bioconductor i R

Preparing Video For Download...