DESeq2-modellen – utforska spridningar

OBS: Den här övningen kan ta lite längre tid att läsa in.

Efter att ha anpassat modellen i föregående övning ska vi nu undersöka hur väl smoc2-datan passar den negativa binomialmodellen. Det gör vi genom att plotta spridningsestimaten med funktionen plotDispEsts(). Kom ihåg att spridningsestimaten används för att modellera rådata. Om spridningarna inte uppfyller DESeq2:s antaganden kan variationen i datan bli dåligt skattad, vilket i sin tur kan göra DE-resultaten mindre tillförlitliga.

De antaganden som DESeq2 gör är att spridningarna generellt ska minska med ökande medelvärde och att de ungefär ska följa den anpassade linjen.

Den här övningen är en del av kursen

RNA-Seq med Bioconductor i R

Visa kurs

Övningsinstruktioner

Plotta spridningsestimaten för smoc2-datan med funktionen plotDispEsts(). Utgå från att alla tidigare steg har körts, inklusive att DESeq2-objektet dds_smoc2 har skapats och att funktionen DESeq() har körts.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot dispersions
___(___)

Redigera och kör kod