在《Shell脚本和R生物学RNAseq数据分析实战训练视频教程》课程中，您将学习如何通过 linux 命令行执行 RNAseq 数据分析。本课程全面介绍了 RNAseq 数据分析，涵盖了对 RNAseq 数据进行差异表达分析和功能注释所需的关键概念和工具。学生将学习如何预处理原始测序数据、执行质量控制以及将读数与参考基因组或转录组进行比对。该课程还将涵盖使用统计方法进行差异表达分析以及使用 R 等流行工具对结果进行可视化。您将学习如何进行端到端 RNAseq 数据分析，包括 RNAseq 数据的预处理、质量控制分析、差异分析基因表达数据的基因表达分析、聚类和主成分分析。您还将学习如何在 Mac、Windows 或 Linux 平台上使用 Conda/Anaconda 下载数据、安装生物信息学/IT 软件。我将指导您在 RStudio（R 语言的图形用户界面）上执行差异表达分析。
在整个课程中，学生将使用真实世界的数据集，并获得使用流行的生物信息学工具和软件包的实践经验。到课程结束时，学生将对 RNAseq 数据分析有透彻的了解，并能够对基因表达数据进行自己的分析。本课程非常适合有兴趣了解基因表达的分子基础和探索 RNAseq 技术潜在应用的研究人员、科学家和学生。不需要先前的生物信息学或编程经验，但建议具备分子生物学和遗传学的基本知识。
Published 5/2023
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz
Language: English | Size: 2.71 GB | Duration: 5h 16m说明：英语无字幕，带工程源文件
你将会学到的
- NGS 数据分析基础知识以及如何对 RNAseq 数据集进行差异基因表达分析
- 生成质量控制指标和统计数据
- 将读取映射到基因组
- 差异基因表达
- 使用Conda安装生物信息学工具
- 处理 RNA 测序数据
- 用于处理数据的 UNIX 命令行工具
- 转录本量化
- 执行主成分分析 (PCA)
- 使用基因表达数据进行聚类分析
要求
- 生物学背景知识
- 对使用 UNIX 命令行工具感兴趣
- 对生物信息学工具安装感兴趣
- 对基因组学感兴趣以及应用计算方法处理转录组学数据集
- 无需编程经验。你会学到你需要知道的一切
- 提供所有可下载资源
此课程面向哪些人：
- 有兴趣学习Next Generation Sequencing数据分析方法的人
- 希望了解用于转录组学数据分析的端到端管道的初学者生物信息学家
- 希望了解差异基因表达分析的人
- 有兴趣使用命令行工具进行生物信息学分析的人
章节列表
Section 1: Introduction and Installation
Lecture 1 Introduction
Lecture 2 Installing Conda
Lecture 3 Installing Bioinformatics tools using Conda
Section 2: Preparing Data for Analysis
Lecture 4 Organising the files
Lecture 5 Obtaining the Raw Data
Lecture 6 Obtaining the Genome files
Section 3: Quality Control of RNA-seq data
Lecture 7 QC analysis using FastQC for Single-End and Paired-End reads
Section 4: Read Trimming and QC analysis
Lecture 8 Adaptor and Quality Trimming using Trimmomatic
Lecture 9 QC analysis of Trimmed Reads using MultiQC
Section 5: Genome Indexing and Read Mapping
Lecture 10 Genome Indexing using STAR
Lecture 11 Read Mapping using STAR
Section 6: Duplicate Read Marking
Lecture 12 Marking Duplicate reads using Picard and indexing BAM files
Section 7: Obtaining Alignment Statistics
Lecture 13 Printing Alignment statistics using Bamtools
Section 8: Obtaining Counts (read abundance) using FeatureCounts
Lecture 14 Generating Gene Counts for DE analysis
Section 9: Differential Expression (DE) analysis using DESeq2 on RStudio
Lecture 15 Preparing the files for DE analysis
Lecture 16 Installing libraries for DE analysis on RStudio
Lecture 17 Performing the DE analysis using DESeq2 – Part1
Lecture 18 Performing the DE analysis using DESeq2 – Part2
Section 10: Principal Component Analysis and Clustering analysis of gene expression data
Lecture 19 Performing PCA analysis and generating PCA plot
Lecture 20 Performing Clustering analysis of gene expression data