Analiza DE

NOTĂ: Încărcarea acestui exercițiu poate dura puțin mai mult.

Vom continua să lucrăm cu setul de date complet, comparând genele care prezintă diferențe semnificative de expresie între eșantioanele normale și cele cu fibroză, indiferent de genotip (design: ~ genotype + condition). Prin urmare, vom folosi obiectul DESeq2 dds_all creat în exercițiul anterior. Presupune că acest obiect este deja creat și că toate bibliotecile sunt încărcate. În acest exercițiu, vom efectua analizele de clustering nesupervizat pentru a explora gruparea eșantioanelor și sursele de variație.

Acest exercițiu face parte din cursul

RNA-Seq cu Bioconductor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Aplică transformarea logaritmică asupra numărătorilor normalizate din obiectul dds_all folosind funcția vst(), fără a ține cont de informațiile despre grupul de eșantioane.
Creează heatmap-ul de corelație al valorilor de corelație ale numărătorilor normalizate logaritmic, folosind funcția pheatmap(). Include bare de adnotare pentru genotype și condition.
Trasează PCA cu funcția plotPCA() folosind vsd_all. Colorează graficul după condition.
Trasează PCA cu funcția plotPCA() folosind vsd_all. Colorează graficul după genotype.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Log transform counts for QC
vsd_all <- ___(___, blind = ___)

# Create heatmap of sample correlation values
vsd_all %>% 
        ___() %>%
        ___() %>%
        ___(annotation = select(all_metadata, c("___", "___")))

# Create the PCA plot for PC1 and PC2 and color by condition       
___(___, ___ = ___)

# Create the PCA plot for PC1 and PC2 and color by genotype       
___(___, ___ = ___)

Editează și rulează codul