RNA-Seqによる発現データの解析には、リードカウントではなくTPM、FPKM、またはRPKMを用いるべきだと信じている人が多いです。その理由の一つに、サンプル間の系統誤差を回避することがあげられます。しかし、100万リードあたりで均すやり方は、一種のグローバルノーマライズに過ぎず、これで除去できるのは線形の系統誤差だけです。これは、現実のオミクスデータ解析に対して甘すぎる前提と言わざるを...
遺伝子の発現量を測定する技術は、少なくとも2004年までには現在の水準に達していますので、ちゃんとしたスキルを持つ実験者により測定されたデータであれば、信頼できると言えます。一方で、マイクロRNAの発現量の測定は今なお難しいです。miRNAの発現データが、遺伝子発現データと同等に信頼できるものではないということは知っておいたほうが良いでしょう。ここでは、hepatocellular carc...
t-SNE がシングルセルRNA-Seqのデータ解析でよく使われるようになっています。しかし、「なぜbulk RNA-SeqにはPCAで、scRNA-Seqにはt-SNEか」という説明をいくら読んでも、個人的には納得できる説明が見当たりません。 高次元のデータを可視化するt-SNEの効果的な使い方 という説明が t-SNE とは何かを知るのに最適だと思いますので、ここで述べられている特徴を見...
TCGA-READ: analysis of the methylation alteration and survival rate. Download このチュートリアルは、下記の４つのパートで構成されます。目安の時間をあわせて表記していますので、見る必要のないところは飛ばしていただいて結構です。 Part1 '00"00 - 準備 以前投稿したTCGAのメチル化データを解析するムービ...
オミクスデータの解析は、標準的なワークフローに従ってできるようなものではありません。実際の解析は（１）データを見て、（２）何かを見つけて、（３）見つけたことを検証する、という過程を繰り返すサイクルのようなものです。 （１）データを見る: オミクスデータは、先入観なしに見なければなりません。なぜなら、大きなデータセットには必ず非線形のバイアスや人工的な影響が紛れ込んでいるからです。教科書のよ...
A Case Study of CAGE data set. Download 00:00 About the data set.01:50 Comparing replicates to find boundary between signal and noise.03:00 Filtering06:15 PCA to overview expression profiles of sa...
The Cancer Genome Atlas (TCGA) は、がんに関するマルチオミクスデータとクリニカル情報の大量に蓄積しているサイトです。 このケーススタディでは、normal と tumor のグループ間で発現差のある遺伝子（DEGs）を抽出し（part 1）、発現を制御している可能性のあるmiRNAの抽出を行います（part 2）。ただし、下記のムービーで見るものより、TCGAの...
アジレントのマイクロアレイは、１色法または２色法の実験デザインが可能ですが、あなたの研究にはどちらを選ぶのがよいでしょうか？ GSE27183 は１色法と２色法を同時に行っているので、参考になるでしょう。 １色法のメリット コストが安い 実験デザインが柔軟で、複雑な研究も可能 ２色法のメリット １色法で２サンプルを比較するより、発現差を検出する点において感度と精度が高い。ただしこれは、２つの...
このムービーでは、ChIP-Seq データ（GSE11431）から生成された BED ファイルを Subio Platform にインポートして視覚化、解析するところをご覧いただけます。プロモーターアレイを使ったChIP-on-chipデータの解析も、これと同じようにできます。 Analyzing ChIP-seq data (GSE11431) Download 元データ https://...