Instructor Notes
FIXME
RNA-seq入門RNA-seq実験では何を測定しているのか？実験設計における重要な考慮事項RNA-seqデータの定量化：リードからカウント行列への変換プロセス参照配列を見つけるには本ワークショップではどのような方向性を目指していくのでしょうか？
RStudioプロジェクトと実験データ
Rに量的データをインポートしてアノテーションを付ける
探索的解析と品質管理
Differential expression 解析
Instructor Note
DESeqDataSetを生成する関数は、入力データの種類に応じて適切に調整する必要があります。例えば：
R
#From SummarizedExperiment object
ddsSE <- DESeqDataSet(se, design = ~ sex + time)
#From count matrix
dds <- DESeqDataSetFromMatrix(countData = assays(se)$counts,
colData = colData(se),
design = ~ sex + time)
Instructor Note
DESeq2 では、「相対対数発現量」（RLE：Relative Log Expression）法を用いて、リード深度とライブラリ構成を考慮したサンプルごとのサイズ因子を算出します。 一方、edgeR では「トリミング平均M値」（TMM：Trimmed Mean of M-Values）法を採用し、ライブラリサイズの差異や組成的影響を補正します。 _edgeR_の正規化係数と_DESeq2_のサイズ因子は類似した結果をもたらしますが、これらは理論的に同等のパラメータではありません。
Instructor Note
以下の2つのコントラスト指定方法は、本質的に同等の結果をもたらします。
name パラメータには resultsNames()
関数を使用してアクセスできます。
R
resTime <- results(dds, contrast = c("time", "Day8", "Day0"))
resTime <- results(dds, name = "time_Day8_vs_Day0")