PCA analýza
Abychom pokračovali v hodnocení kvality vzorků, provedeme v první části tohoto cvičení PCA a podíváme se, jak se vzorky shlukují a zda námi sledovaná podmínka odpovídá hlavním komponentám, které vysvětlují největší variabilitu dat. Ve druhé části odpovíme na otázky týkající se grafu PCA.
Pro posouzení podobnosti vzorků smoc2 pomocí PCA je potřeba transformovat normalizované počty a poté provést samotnou PCA analýzu. Předpokládej, že všechny knihovny jsou načteny, objekt DESeq2 je vytvořen a velikostní faktory jsou uloženy v objektu DESeq2 dds_smoc2.
Toto cvičení je součástí kurzu
RNA-Seq s Bioconductorem v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)