Analisis PCA
Untuk melanjutkan penilaian kualitas sampel, pada bagian pertama latihan ini, kita akan melakukan PCA untuk melihat bagaimana sampel kita membentuk klaster dan apakah kondisi yang menjadi fokus kita berkaitan dengan komponen utama yang menjelaskan variasi terbesar pada data. Pada bagian kedua, kita akan menjawab pertanyaan tentang plot PCA.
Untuk menilai kemiripan sampel smoc2 menggunakan PCA, kita perlu mentransformasikan hitungan yang telah dinormalisasi lalu melakukan analisis PCA. Asumsikan semua pustaka sudah dimuat, objek DESeq2 telah dibuat, dan size factor telah disimpan dalam objek DESeq2, yaitu dds_smoc2.
Latihan ini adalah bagian dari kursus
RNA-Seq dengan Bioconductor di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)