Analyse og visualisering af biologiske datasæt

Dette kursus bygger på de grundlæggende principper fra statistik, og fokuserer hovedsageligt på praktiske og effektive anvendelser af R til at løse virkelige problemstillinger inden for det biologiske område. Kurset er blandt andet målrettet håndteringen af den stigende mængde af molekylære data, og vil således give de studerende redskaber til dataanalyse projekter indenfor bioinformatik og molekylær biologi.

De studerende vil lære nye metoder til at lave skalerbare analyser af datasæt med speciel fokus på at kunne fremstille hensigtsmæssige grafer og visualiseringer af deres data, som kan støtte dataanalysen og bidrage til effektiv formidling af biologiske resultater. De studerende forudsættes at have et basalt kendskab til R fra deres tidligere kurser og vil i dette kursus bygge oven på denne viden gennem brug af R-pakkerne, der udgør Tidyverse (https://www.tidyverse.org/). Tidyverse (herunder ggplot2 til at lave plots) er en samling af R-pakker, der implementer en intuitiv strategi for opbygning af kommandoer til bearbejdning og plotning af data. 

Undervisningen består af videoer med forelæsninger og demonstration af analyser, samt kursusnoter, quizzer og øvelser. I undervisningstimerne lægges der meget vægt på praktiske øvelser, der tages udgangspunkt i små datasæt, som er nemme at importere og gode til at demonstrere de forskellige principper. Derudover er der en opgave hver uge med hovedfokus på en mere sammenhængende analyse af relevante datasæt fra studier omhandlende gen-ekspression, genomisk data og fra forskellige ”high through-put” metoder. Målet er således at de studerende får opbygget et fundament, der vil gøre det muligt at arbejde uafhængigt på egne datasæt og projekter.

OBS: For studerende med interesse for økologiske datasæt anbefales kurset ”Økologisk dataanalyse med R”. Det anbefales ikke, at man tager begge kurser.

Dette kursus indeholder bl.a.:

• Import, oprydning og klargøring af biologiske datasæt vha. R-pakkerne fra Tidyverse.
• Fremstilling af figurer vha. Tidyverse-pakken ggplot2, med henblik på publicering og/eller præsentation.
• Brug af R-markdown til at skrive, gemme og køre R-kode, samt fremstilling af rapporter som kan deles med andre.
• Anvendelse af statiske metoder for at støtte analyseringsprocessen og drage hensigtsmæssige konklusioner ud fra resultaterne.
• Implementering af reproducerbar dataanalyse vha. funktioner og iteration (Tidyverse pakke purrr)
• Tidyverse baseret implementering af statistiske analysemetoder til bl.a. visualisering af trends og testning af hypoteser.
• Brug af clustering metoder og algoritmer, samt principal component analyse (PCA) til at lave effektiv visualisering af genomisk data.
• Brug af plots som metode til at vurdere eksperimental design og mulige artefakter
• Forståelse af baserende begreber fra maskinlæring og anvendelse af krydsvalidering indenfor den Tidyverse ramme til at evaluere en simpel klassificeringsmodel
• Afhængig af tid: præsentation af datasæt i en app vha. Tidyverse pakken Shiny