शुरू करेंमुफ़्त में शुरू करें

DESeq2 विज़ुअलाइज़ेशन — MA और वॉल्कैनो प्लॉट्स

ध्यान दें: इस अभ्यास को लोड होने में थोड़ा अधिक समय लग सकता है.

रिज़ल्ट्स को समझने के लिए विज़ुअलाइज़ेशन मददगार होते हैं। इनसे आप डेटा का समग्र दृश्य देख सकते हैं और साथ ही महत्वपूर्ण जीनों की विशेषताएँ भी समझ सकते हैं। आमतौर पर हम अपेक्षा करते हैं कि महत्वपूर्ण जीन mean वैल्यूज़ की रेंज में पहचाने जाएँ, जिसे हम MA प्लॉट से दिखा सकते हैं। अगर हमें सिर्फ़ उच्च mean वैल्यू वाले महत्वपूर्ण जीन ही दिखते हैं, तो यह हमारे डेटा में किसी समस्या की ओर इशारा कर सकता है। वॉल्कैनो प्लॉट यह समझने में मदद करता है कि हमारे डेटा में महत्त्व (significance) पहचानने के लिए fold change की कितनी रेंज चाहिए।

आइए MA प्लॉट्स और वॉल्कैनो प्लॉट्स का उपयोग करके अपने रिज़ल्ट्स को एक्सप्लोर करें।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Bioconductor के साथ RNA-Seq

पाठ्यक्रम देखें

अभ्यास निर्देश

  • plotMA() फंक्शन का उपयोग करते हुए और रिज़ल्ट्स ऑब्जेक्ट smoc2_res को इनपुट देकर एक MA प्लॉट बनाइए।

  • mutate() फंक्शन का उपयोग करके रिज़ल्ट्स के लिए एक नया कॉलम बनाइए, जो एक logical वेक्टर हो और बताए कि padj वैल्यू 0.05 से कम है या नहीं।

  • ggplot() का उपयोग करके log2 fold change वैल्यूज़ बनाम -log10 adjusted p-value का एक वॉल्कैनो प्लॉट बनाइए, और जीनों के पॉइंट्स को उनकी significance के अनुसार रंग दीजिए।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create MA plot
___

# Generate logical column 
smoc2_res_all <- data.frame(smoc2_res) %>% mutate(threshold = padj < 0.05)
              
# Create the volcano plot
ggplot(___) + 
        geom_point(aes(x = ___, y = -log10(___), color = ___)) + 
        xlab("log2 fold change") + 
        ylab("-log10 adjusted p-value") + 
        theme(legend.position = "none", 
              plot.title = element_text(size = rel(1.5), hjust = 0.5), 
              axis.title = element_text(size = rel(1.25)))
कोड संपादित करें और चलाएँ