Pseudo-bulk analysis for single-cell RNA-Seq data | Detailed workflow tutorial
A detailed walk-through of steps to find perform pseudo-bulk differential expression analysis for single-cell RNA-Seq data in R. In this video I discuss what is pseudo-bulk analysis, why do we take this approach, and lastly how to perform this analysis. In this tutorial, I demonstrate how to manipulate data and aggregate counts to sample level using a Seurat object, followed by differential expression analysis using DESeq2 to find differentially expressed genes in a specific cell type cluster. I hope you find the video informative. I look forward to your comments in the comments section!
1) Link to code:
https://github.com/kpatel427/YouTubeTutorials/blob/main/singleCell_pseudoBulk.R
2) Vignettes:
▸ https://hbctraining.github.io/scRNA-seq/lessons/pseudobulk_DESeq2_scrnaseq.html
▸ http://biocworkshops2019.bioconductor.org.s3-website-us-east-1.amazonaws.com/page/muscWorkshop__vignette/
▸ http://bioconductor.org/books/3.14/OSCA.multisample/multi-sample-comparisons.html#motivation-2
▸ http://bioconductor.org/books/3.14/OSCA.multisample/multi-sample-comparisons.htm #creating-pseudo-bulk-samples
3) Papers:
▸ https://www.nature.com/articles/s41467-021-25960-2
▸ https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-019-2599-6
▸ https://genomebiology.biomedcentral.com/articles/10.1186/s13059-018-1406-4
Chapters:
0:00 Intro
0:29 WHAT is pseudo-bulk analysis?
1:48 WHY perform pseudo-bulk analysis?
5:25 (onwards) HOW to perform pseudo-bulk analysis?
5:44 Fetch data from ExperimentHub
8:36 QC and filtering
12:11 Seurat's standard workflow steps
14:10 Visualize data
15:54 To use integrated or nonintegrated data?
16:49 Aggregate counts to sample level
21:35 Data manipulation step 1: Transpose matrix
22:16 Data manipulation step 2: Split data frame
24:46 Data manipulation step 3: Fix row.names and transpose again
29:18 DESeq2 step 1: Get count matrix (corresponding to a cell type)
30:09: Create sample level metadata i.e. colData
32:23 DESeq2 step 2: Create DESeq2 dataset from matrix
33:38 DESeq2 step 2: Run DESeq()
33:51 Get results
Show your support and encouragement by buying me a coffee:
https://www.buymeacoffee.com/bioinformagic
To get in touch:
Website: https://bioinformagician.org/
Github: https://github.com/kpatel427
Email: [email protected]
#bioinformagician #bioinformatics #pseudobulk #deg #seurat #integration #cca #R #genomics #beginners #tutorial #howto #omics #research #biology #ncbi #GEO #rnaseq #ngs
Что делает видео по-настоящему запоминающимся? Наверное, та самая атмосфера, которая заставляет забыть о времени. Когда вы заходите на RUVIDEO, чтобы посмотреть онлайн «Pseudo-bulk analysis for single-cell RNA-Seq data | Detailed workflow tutorial», вы рассчитываете на нечто большее, чем просто загрузку плеера. И мы это понимаем. Контент такого уровня заслуживает того, чтобы его смотрели в HD 1080, без дрожания картинки и бесконечного буферизации.
Честно говоря, Rutube сегодня — это кладезь уникальных находок, которые часто теряются в общем шуме. Мы же вытаскиваем на поверхность самое интересное. Будь то динамичный экшн, глубокий разбор темы от любимого автора или просто уютное видео для настроения — всё это доступно здесь бесплатно и без лишних формальностей. Никаких «заполните анкету, чтобы продолжить». Только вы, ваш экран и качественный поток.
Если вас зацепило это видео, не забудьте взглянуть на похожие материалы в блоке справа. Мы откалибровали наши алгоритмы так, чтобы они подбирали контент не просто «по тегам», а по настроению и смыслу. Ведь в конечном итоге, онлайн-кинотеатр — это не склад файлов, а место, где каждый вечер можно найти свою историю. Приятного вам отдыха на RUVIDEO!
Видео взято из открытых источников Rutube. Если вы правообладатель, обратитесь к первоисточнику.