Анализ методом главных компонент
Продолжая оценку качества образцов, в первой части этого упражнения мы выполним анализ методом главных компонент (PCA), чтобы посмотреть, как кластеризуются наши образцы и соответствует ли интересующее нас условие главным компонентам, объясняющим наибольшую долю вариации данных. Во второй части мы ответим на вопросы по графику PCA.
Чтобы оценить сходство образцов smoc2 с помощью PCA, необходимо трансформировать нормализованные счётчики, а затем выполнить анализ. Предположим, что все библиотеки загружены, объект DESeq2 создан, а размерные факторы сохранены в объекте DESeq2 dds_smoc2.
Это упражнение является частью курса
RNA-Seq с Bioconductor в R
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)