差異基因表現概觀

使用 R 與 Bioconductor 進行 RNA-Seq

Mary Piper

Bioinformatics Consultant and Trainer

熱圖倍數變化

使用 R 與 Bioconductor 進行 RNA-Seq

差異表現變異

使用 R 與 Bioconductor 進行 RNA-Seq

JCI 論文

使用 R 與 Bioconductor 進行 RNA-Seq

資料集介紹：Smoc2

腎臟纖維化

使用 R 與 Bioconductor 進行 RNA-Seq

RNA-Seq 實驗

使用 R 與 Bioconductor 進行 RNA-Seq

RNA-Seq 計數分布

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

計數分布

使用 R 與 Bioconductor 進行 RNA-Seq

差異表現分析前置作業：DESeq2 物件

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

計數資料

使用 R 與 Bioconductor 進行 RNA-Seq

差異表現分析前置作業：中介資料（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")
使用 R 與 Bioconductor 進行 RNA-Seq

差異表現分析前置作業：中介資料（metadata）

中介資料

使用 R 與 Bioconductor 進行 RNA-Seq

一起來練習吧！

使用 R 與 Bioconductor 進行 RNA-Seq

Preparing Video For Download...