Wizualizacje w DESeq2 – wykresy MA i wulkaniczne

UWAGA: Wczytanie tego ćwiczenia może chwilę potrwać.

Wizualizacje to świetny sposób na eksplorację wyników – pozwalają zobaczyć dane z lotu ptaka i lepiej zrozumieć właściwości istotnych genów. Zwykle oczekujemy, że geny istotne statystycznie będą rozmieszczone w całym zakresie wartości średnich – możemy to sprawdzić za pomocą wykresu MA. Jeśli istotne geny skupiają się wyłącznie przy wysokich wartościach średnich, może to sygnalizować problem z danymi. Wykres wulkaniczny z kolei pozwala ocenić zakres zmian krotności (fold change) potrzebnych do stwierdzenia istotności w naszych danych.

Przejdźmy do eksploracji wyników za pomocą wykresów MA i wulkanicznych.

To ćwiczenie jest częścią kursu

RNA-Seq z Bioconductor w R

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz wykres MA, używając funkcji plotMA() i podając jako dane wejściowe obiekt wyników smoc2_res.
Dodaj nową kolumnę jako wektor logiczny wskazujący, czy wartości padj są mniejsze niż 0,05, korzystając z funkcji mutate().
Utwórz wykres wulkaniczny przedstawiający wartości log2 fold change względem -log10 skorygowanej wartości p, używając ggplot() i kolorując punkty odpowiadające genom według tego, czy są istotne statystycznie.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)))

Edytuj i uruchom kod