シングルセルRNA-seqの基本的な特徴や、従来の解析手法との比較、実際の研究における活用事例、そして全体的なワークフローについてご紹介します。
空間的遺伝子発現解析のうち、イメージングベースの代表的なプラットフォーム (Xenium, CosMx) を解説します。
RNA-seq応用解析の発現変動遺伝子（DEG）の同定と、GO・Reactome Pathwayによるエンリッチメント解析を解説します。
GO解析結果の可視化について実践的に解説します。RNAseq由来の遺伝子セットに対するエンリッチメント解析を題材に、Upset plotやGSEA plotなど多様な図の作成方法を紹介。必要なパッケージやエラー対応も丁寧に説明し、再現性を意識した内容となっています。
RNA-seqデータ解析における遺伝子発現定量と主要なデータ可視化手法とは。発現定量、正規化、主成分分析、階層的クラスタリングを通し、高次元データから生物学的知見を引き出す方法を解説します。
Python の scikit-learn を使い、糖尿病データセットで回帰分析を行う方法を解説します。データ確認からモデル評価まで、一連の機械学習の流れを紹介する入門記事です。
RNA-seqデータ解析成功の鍵は前処理にあり。FastQCでの品質評価、PRINSEQによる低品質リード除去、STARでのゲノムマッピングまで、実践的な手法と成功のポイントを解説します。
