Дифференциальный анализ экспрессии

ПРИМЕЧАНИЕ: Загрузка этого упражнения может занять немного больше времени.

Мы продолжим работу с полным набором данных, сравнивая гены со значимыми различиями в экспрессии между нормальными образцами и образцами с фиброзом, независимо от генотипа (design: ~ genotype + condition). Для этого будем использовать объект DESeq2 dds_all, созданный в предыдущем упражнении. Считайте, что этот объект уже создан и все библиотеки загружены. В этом упражнении выполним анализ кластеризации без учителя, чтобы изучить группировку образцов и источники вариации.

Это упражнение является частью курса

RNA-Seq с Bioconductor в R

Посмотреть курс

Инструкции к упражнению

Логарифмически преобразуйте нормализованные счётчики внутри объекта dds_all с помощью функции vst(), не используя информацию о группах образцов (blind).
Постройте тепловую карту корреляций для логарифмически нормализованных счётчиков с помощью функции pheatmap(). Добавьте аннотационные полосы для genotype и condition.
Постройте график PCA с помощью функции plotPCA(), используя vsd_all. Окрасьте график по переменной condition.
Постройте график PCA с помощью функции plotPCA(), используя vsd_all. Окрасьте график по переменной genotype.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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       
___(___, ___ = ___)

Редактировать и запускать код