Modelo DESeq2: explorando las dispersiones

NOTA: Puede que este ejercicio tarde un poco más en cargarse.

Después de ajustar el modelo en el ejercicio anterior, vamos a explorar cómo se ajustan los datos de smoc2 al modelo binomial negativo trazando las estimaciones de dispersión con la función plotDispEsts(). Recuerda que las estimaciones de dispersión se usan para modelar los recuentos en bruto; si las dispersiones no siguen las suposiciones de DESeq2, la variación de los datos podría estimarse mal y los resultados de DE podrían ser menos precisos.

Las suposiciones que hace DESeq2 son que las dispersiones, en general, deberían disminuir conforme aumenta la media y que deberían seguir, más o menos, la línea ajustada.