Modèle DESeq2 — exploration des dispersions

REMARQUE : Le chargement de cet exercice pourrait prendre un peu plus de temps.

Après l'ajustement du modèle dans l'exercice précédent, explorons l'adéquation de nos données smoc2 au modèle binomial négatif en traçant les estimations de dispersion avec la fonction plotDispEsts(). Rappelez-vous que les estimations de dispersion servent à modéliser les comptes bruts; si les dispersions ne respectent pas les hypothèses faites par DESeq2, la variation dans les données pourrait être mal estimée et les résultats de l'analyse différentielle (DE) pourraient être moins précis.

Les hypothèses de DESeq2 sont que les dispersions devraient généralement diminuer à mesure que la moyenne augmente et qu'elles devraient, dans l'ensemble, suivre la courbe ajustée.