Bioinformática Aplicada à Transcriptômica: uma introdução prática ao RNA-Seq e análise de expressão diferencial

Author

Dalmolin Systems Biology Group

0.1 Lesson overview 📚

Licença Creative Commons Attribution Share Alike 4.0 International License
Público-alvo Bioinformática, Biologia Molecular, Pesquisadores e estudantes de pós-graduação.
Nível Iniciante/Intermediário
Tempo estimado 240 minutos (4 horas)

0.2 📖 Descrição do Curso

Este repositório contém o material prático e scripts de R para o curso “Análise de Expressão Diferencial e Funcional (RNA-seq)”. Esta análise utiliza dados de expressão gênica (GSE60450) para demonstrar um pipeline de análise de RNA-seq.

O curso cobre as seguintes etapas essenciais em bioinformática:

  1. Sanidade e Exploração de Dados: Importação, transformação VST e análise exploratória (PCA e Clusterização Hierárquica) para avaliar a qualidade e a estrutura dos dados.
  2. Análise de Expressão Diferencial (DGE): Aplicação do modelo Binomial Negativo com o pacote DESeq2 e interpretação dos contrastes de interesse.
  3. Representações Gráficas: Criação de visualizações de alta qualidade para publicação, incluindo Heatmaps e Volcano Plots customizados.
  4. Interpretação Funcional: Análise de Enriquecimento Funcional (KEGG Pathways) usando clusterProfiler para identificar vias biológicas alteradas.
  5. Análise de Redes: Construção e visualização de Redes de Interação Proteína-Proteína (PPI) a partir da API do STRINGdb.

0.3 ➡ Resultados de Aprendizagem

Ao final do curso, os alunos serão capazes de:

  1. Processar e explorar dados de contagem de RNA-seq usando pacotes essenciais como DESeq2 e PCAtools.
  2. Executar o pipeline completo do DESeq2, testando contrastes de interesse e interpretando as métricas (\(\text{LFC}\) e \(\text{padj}\)).
  3. Gerar gráficos de qualidade de publicação, como Volcano Plots e Heatmaps, aplicando temas profissionais.
  4. Realizar Análise de Enriquecimento Funcional (KEGG) e interpretar as vias biológicas significativas.
  5. Construir Redes de Interação Proteína-Proteína (PPI) utilizando a API do STRINGdb e ferramentas de visualização como igraph e RedeR.

0.4 ⚙ Requisitos de Software

Participantes devem ter um laptop com uma versão recente do R (\(\ge 4.0\)) e RStudio instalados.

0.4.1 📦 Principais Dependências de Pacotes (R/Bioconductor):

Categoria Pacotes
DGE DESeq2
Exploração/Visualização tidyverse (dplyr, ggplot2), PCAtools, pheatmap, ggrepel
Anotação/Funcional clusterProfiler, AnnotationDbi, org.Mm.eg.db
Redes RCurl, igraph, RedeR

0.5 🙏 Agradecimentos

  • Bioinformatics Multidisciplinary Environment (BioME - IMD/UFRN)
  • Postgraduate Program in Bioinformatics (PPg-Bioinfo - UFRN)
  • Agradecimento especial: O material prático utiliza dados públicos do estudo GSE60450 (Assay et al., 2014) sobre a glândula mamária de camundongos.