Genomik & Transkriptomik

En kapsamlı ücretsiz RNA-seq kursu. QC → kırpma → hizalama → kantifikasyon → DE analizi; her adımın neden var olduğunun açıklamalarıyla.

Herhangi bir analizden önce: ham okumalarınızda FastQC ve raporları toplamak için MultiQC çalıştırın. Analiz hatalarının çoğu bu adımda tespit edilebilir.

Splice-aware hizalama sadece 'okumaları genoma eşleştirmek' değildir. Splice junction problemini anlamak, STAR'ın neden var olduğunu ve ne zaman önemli olduğunu açıklar.

RNA-seq hizalama için fiili standart. Hızlı, splicing'i yönetiyor, sıralanmış BAM dosyaları üretiyor. Varsayılanları değiştirmeden önce temel parametreleri bilin.

Bulk RNA-seq diferansiyel ifade için standart. Negatif binom modelini ve neden girdi olarak sayım verisi gerektiğini (FPKM değil) anlayın.

Pazarlık konusu değil. Tek bir sonuç yazmadan önce en üst DE genlerinizde hizalanmış okumalara bakın. Analiz hatalarının çoğu burada görülür.

En az bir kez uçtan uca çalıştırın. Adımların ne olduğunu, hangi sırayla ve hangi varsayılanlarla çalıştığını gösterir — altyapıyı yönetir, siz biyolojiye odaklanırsınız.

Gerçek bir klinik soru için genomik veri tiplerini entegre etmenin pratik bir yürüyüşü — öğrendiğiniz araçların pratikte nasıl bağlandığını görmek için iyi.

Belirli bir genomik özelliğin — tekrar kararsızlığının — klinik bir biyobelirtece nasıl dönüştüğü. Genomiklerin yöntemlerden tıbba geçişinin somut bir örneği.

Referans genomun ne olduğu, gen modellerinin nasıl oluşturulduğu ve bir genom sürümü uyumsuzluğunun neden sessiz felaketlere yol açtığı. Bu konuda yanılan insan sayısı itiraf edenden çok daha fazla.

Kısa okuma Illumina ile uzun okuma Nanopore/PacBio karşılaştırması — makinanın ne ürettiği ve okuma özelliklerinin sonraki tüm analiz kararlarını nasıl şekillendirdiği.

PCA, kümeleme, çoklu test düzeltmesi ve DESeq2'nin arkasındaki TAM istatistiksel model. Bu analizleri çalıştırıyorsanız, gerçekte neyi hesapladıklarını anlamalısınız.

STAR daha hızlı ve bellek açısından daha doyumsuzdur. HISAT2 daha küçük ve SNP-aware hizalamayı destekler. Her ikisini de bilin, ne zaman hangisini seçeceğinizi bilin.

Çoğu durumda DESeq2. Kütüphane boyutları büyük farklılık gösterdiğinde edgeR. Sadece sarmalayıcı eğitimlere değil, vignette'lere bakın — model seçimleri önemli.

Seurat (R) ve Scanpy (Python) iki ekosistemdir. Birini seçin ve derinlemesine öğrenin — kavramlar aktarılır, ancak birinde tam bir analiz yapmadan geçiş yapmayın.

Çalıştırın. Oluşturduğu MultiQC raporunu okuyun. Çalıştırdığı her modülü anlayın. Gerçek genomik production çalışması böyle yapılır.

Her seviyede pazarlık konusu değil. Araştırmacı seviyesinde: raporlamayı planladığınız her gen için okumalara bakın.

Dr. Ömer Ali Bayraktar · 2023

Uzamsal transkriptomiğin doku bağlamını koruyarak RNA-seq'i nasıl genişlettiği. Cell2location, Bayesian dekonvolüsyon yöntemi, yazar tarafından açıkça anlatılıyor.

Düzenleyici elementlerin belirli hücre tiplerinde gen ifadesini nasıl yönlendirdiğini tahmin eden modeller oluşturmak — gen düzenlemesi araştırmalarının sınırı.

Genomik kararsızlık, mikrosatelitler ve tekrar bölgelerinin kanser genomiğinde neden önemli olduğu. Varyant çağırmanın klinik sonuçlarla nasıl bağlandığını anlamak için iyi.

En yaygın kullanılan RNA-seq hizalayıcının arkasındaki makale. Algoritma bölümünü okuyun — STAR'ın splicing'i neden böyle yönettiğini ve bunun yeni junction'lar için neden önemli olduğunu açıklıyor.

Diferansiyel ifadenin arkasındaki istatistiksel model. Herhangi bir DE sonucunu yorumlamadan önce zorunlu okuma — 'küçültme' ne anlama geldiğini ve neden orada olduğunu bilin.

Seurat v3 CCA tabanlı entegrasyon. Farklı koşullardan veya batch'lerden veri setlerini birleştirmek için kullanacağınız yöntem — güvenmeden önce anlayın.

Uzun okumalar, kısa okumaların çözemediği problemleri çözer — tam izoform çözünürlüğü, yapısal varyantlar, tekrar bölgeleri. Bu inceleme analitik manzarayı haritalıyor.

CITE-seq, ATAC+RNA, uzamsal çok-omik — hücre başına birden fazla modalite ölçmek, sorabildiğiniz soruları değiştiriyor. Bu inceleme mevcut entegrasyon yöntemlerini kapsar.

scATAC-seq analizi, scRNA-seq'den farklı bir zihinsel model gerektirir. ArchR (R) ve Signac (R, Seurat entegreli) baskın araçlardır — her ikisinin de mükemmel vignette'leri var.

Veri setlerini koşullar, donörler ve batch'ler arasında entegre etmek için derin üretici modeller. Büyük, heterojen kohortlar için CCA tabanlı yaklaşımlardan daha ilkeli.

Uzun okumalar için standart hizalayıcı. DNA vs. RNA (splice-aware), Nanopore vs. PacBio için farklı parametre profilleri. Ayarlamadan önce hazır ayarları bilin.

nf-core tam olarak ihtiyacınızı karşılamadığında kendi pipeline'ınızı yazarsınız. Snakemake'in kural tabanlı modeli, tek seferlik araştırma iş akışları için Nextflow'dan daha kolay anlaşılır.

Düzenleyici genomiğin sınırı: hücre tipi çözünürlüğünde dizi özelliklerinden gen ifadesini tahmin eden modeller. Enhancer, TF bağlanması veya gen düzenlemesi üzerine herhangi bir çalışmayla doğrudan ilgili.

Dr. Ömer Ali Bayraktar · 2023

Cell2location ve pratik uzamsal dekonvolüsyon. Uzamsal veriyle çalışıyorsanız, yöntemi geliştiren gruptan dinleyin.

Seurat v4'ün ortak RNA+protein veya RNA+ATAC analizi için WNN çerçevesi. Herhangi bir çok-modal tek hücre deneyi için kullanacağınız yöntem.

Varyasyonel otokodlayıcıları tek hücre genomiğine tanıtan makale. scVI'nın veri setlerini 'entegre' ederken gerçekte ne yaptığını anlamak için okuyun.

Uzamsal transkriptomik verinin Bayesian dekonvolüsyonu. Visium veya benzeriyle çalışıyorsanız, anlamanız gereken yöntem makalesi budur.