Análisis de PCA
Para continuar con la evaluación de la calidad de nuestras muestras, en la primera parte de este ejercicio haremos un PCA para ver cómo se agrupan las muestras y si nuestra condición de interés se corresponde con los componentes principales que explican la mayor variación en los datos. En la segunda parte, responderemos preguntas sobre el diagrama de PCA.
Para evaluar la similitud de las muestras de smoc2 usando PCA, necesitamos transformar los conteos normalizados y después realizar el análisis de PCA. Supón que ya se han cargado todas las librerías, se ha creado el objeto de DESeq2 y los factores de tamaño se han guardado en el objeto de DESeq2, dds_smoc2.
Este ejercicio forma parte del curso
RNA-Seq con Bioconductor en R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)