1. Nauka
    2. /
  2. Kursy
    3. /
  3. RNA-Seq z Bioconductor w R
Connected

ćwiczenie

Analiza DE

UWAGA: Wczytanie tego ćwiczenia może chwilę potrwać.

Będziemy nadal pracować na pełnym zbiorze danych, porównując geny wykazujące istotne różnice w ekspresji między próbkami normalnymi a próbkami z fibrozą, niezależnie od genotypu (design: ~ genotype + condition). W tym celu skorzystamy z obiektu DESeq2 dds_all utworzonego w poprzednim ćwiczeniu. Przyjmij, że obiekt ten jest już gotowy, a wszystkie biblioteki są załadowane. W tym ćwiczeniu przeprowadź nienadzorowaną analizę skupień, aby zbadać grupowanie próbek i źródła zmienności.

Instrukcje

100 XP

  • Wykonaj transformację logarytmiczną znormalizowanych zliczeń z obiektu dds_all, używając funkcji vst() w trybie ślepym na informacje o grupach próbek.

  • Utwórz mapę cieplną korelacji (ang. correlation heatmap) dla logarytmicznie znormalizowanych zliczeń, korzystając z funkcji pheatmap(). Dodaj paski adnotacji dla genotype oraz condition.

  • Narysuj wykres PCA za pomocą funkcji plotPCA(), używając obiektu vsd_all. Pokoloruj wykres według condition.

  • Narysuj wykres PCA za pomocą funkcji plotPCA(), używając obiektu vsd_all. Pokoloruj wykres według genotype.