医学生物信息学

TCGA数据挖掘之基因表达差异分析(视频教程)

2020-02-13  本文已影响0人  MedBioinfoCloud

关于TCGA数据库的教程,前期我们已经推出了一些文章:

【1】TCGA数据库使用教程

【2】R语言TCGA-Assembler包下载TCGA数据

【3】TCGA数据挖掘(一):TCGAbiolinks包介绍

【4】TCGA数据挖掘(二):数据下载与整理

【5】TCGA数据挖掘(三):表达差异分析

【6】TCGA数据挖掘(四):表达差异分析(2)

【7】TCGA数据挖掘(四):表达差异分析(3)

【8】TCGA数据挖掘(四):表达差异分析(4)

【9】TCGA数据挖掘(五):miRNA差异分析

【10】TCGA数据挖掘(六):WGCNA(加权基因共表达网络分析)

这次,我们推出了TCGA数据挖掘之基因表达差异分析的视频教程,来弥补之前文章的不系统和缺陷。这门课程需要有一定的R语言基础,熟悉TCGA数据库,可以先通过前面的文章【1】了解该数据库的使用教程。

课程主要内容包括:数据下载、数据整理、数据融合、基因ID转换和表达差异分析。

课程内容:

TCGA数据挖掘之基因表达差异分析

一.数据下载

1. 官网在线下载

2. 官网下载工具下载

3. R语言TCGAbiolinks包下载

二. 数据的整理

1. 移动文件2. 解压文件3. 处理json文件

三. 数据融合

四. ID转换

通过gtf文件进行基因ID转换

五. 表达差异分析

1.利用edgeR包2.利用DESeq2包

差异表达分析我们利用DESeq2和EdgeR包,其实在我们前面基因芯片数据挖掘序列文章中都已介绍,如果你能从TCGA得到原始的Counts表达矩阵文件,能利用DESeq2和EdgeR包进行差异表达分析,可以不考虑本视频教程,本视频的第5部分内容和下面文章(七)和(八)一样,只是矩阵文件不一样。所以考虑清楚。

基因芯片数据分析(一):芯片数据初探

基因芯片数据分析(二):读取芯片数据

基因芯片数据分析(三):数据质控

基因芯片数据分析(四):获取差异表达基因

基因芯片数据分析(五):edgeR包的基本原理

基因芯片数据分析(六):DESeq2包的基本原理

基因芯片数据分析(七):edgeR差异分析实战案例

基因芯片数据分析(八):DESeq2差异分析实战案例视频价格只需要9.9元,也就一杯奶茶钱,也是给我一点辛苦费,鼓励我出更多的教程,如果感觉有需要,扫码购买,如果二维码失效,点击阅读原文购买。

购买链接:

https://m.qlchat.com/live/channel/channelPage/2000007901834063.htm

购买课程后,请将你的购买信息发送到邮箱:bioinfocloud@aliyun.com,我们核实后会回复课程相关文件和代码(闲麻烦的话跳过,录制视频不易,望理解)。

上一篇 下一篇

猜你喜欢

热点阅读