Model DESeq2 – analiza dyspersji

UWAGA: Wczytanie tego ćwiczenia może chwilę potrwać.

Po dopasowaniu modelu w poprzednim ćwiczeniu przyjrzyjmy się, jak dane smoc2 pasują do modelu ujemnego dwumianowego. Zwizualizujemy estymaty dyspersji za pomocą funkcji plotDispEsts(). Pamiętaj, że estymaty dyspersji służą do modelowania surowych liczeń – jeśli dyspersje nie spełniają założeń DESeq2, zmienność w danych może być błędnie oszacowana, a wyniki analizy DE – mniej dokładne.

DESeq2 zakłada, że dyspersje powinny ogólnie maleć wraz ze wzrostem średniej oraz że powinny mniej więcej odpowiadać dopasowanej linii trendu.