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

ćwiczenie

Analiza PCA

Aby kontynuować ocenę jakości próbek, w pierwszej części ćwiczenia wykonamy analizę PCA – sprawdzimy, jak próbki grupują się w klastry oraz czy interesujący nas warunek odpowiada głównym składowym wyjaśniającym największą część wariancji w danych. W drugiej części odpowiemy na pytania dotyczące wykresu PCA.

Aby ocenić podobieństwo próbek smoc2 za pomocą PCA, musimy najpierw przekształcić znormalizowane liczebności, a następnie przeprowadzić analizę PCA. Przyjmij, że wszystkie biblioteki zostały załadowane, obiekt DESeq2 utworzony, a współczynniki rozmiaru zapisane w obiekcie DESeq2 dds_smoc2.

Instrukcje 1/2

undefined XP
    1
    2
  • Uruchom kod, aby przekształcić znormalizowane liczebności.
  • Wykonaj analizę PCA, rysując wykres PC1 vs PC2 – użyj funkcji plotPCA() z pakietu DESeq2 na obiekcie przekształconych liczebności vsd_smoc2 i podaj argument intgroup jako czynnik do kolorowania wykresu.