Analyse ACP
Pour poursuivre l’évaluation de la qualité de nos échantillons, nous allons, dans la première partie de cet exercice, réaliser une ACP afin d’examiner comment nos échantillons se regroupent et si notre condition d’intérêt correspond aux composantes principales expliquant la plus grande part de variation des données. Dans la seconde partie, nous répondrons à des questions sur le graphique d’ACP.
Pour évaluer la similarité des échantillons smoc2 à l’aide de l’ACP, nous devons transformer les comptes normalisés, puis réaliser l’analyse ACP. Supposons que toutes les bibliothèques ont été chargées, que l’objet DESeq2 a été créé et que les facteurs d’échelle ont été stockés dans l’objet DESeq2, dds_smoc2.
Cet exercice fait partie du cours
RNA-Seq avec Bioconductor en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)