DESeq2-visualiseringar – MA- och volkandiagram

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

Visualiseringar är ett bra sätt att utforska resultaten – dels för att få en överblick över data, dels för att undersöka egenskaperna hos signifikanta gener. Normalt förväntar vi oss att signifikanta gener identifieras över hela spannet av medelvärden, vilket vi kan visualisera med ett MA-diagram. Om signifikanta gener enbart uppträder vid höga medelvärden kan det tyda på ett problem med data. Volkandiagrammet ger oss en uppfattning om vilka foldchanges som krävs för att nå signifikans i våra data.

Låt oss utforska resultaten med hjälp av MA-diagram och volkandiagram.

Den här övningen är en del av kursen

RNA-Seq med Bioconductor i R

Visa kurs

Övningsinstruktioner

Skapa ett MA-diagram med funktionen plotMA() och använd resultatobjektet smoc2_res som indata.
Skapa en ny kolumn som en logisk vektor för huruvida padj-värdena är mindre än 0,05 för resultaten, med hjälp av funktionen mutate().
Skapa ett volkandiagram över log2-foldchange-värdena mot det negativa log10-justerade p-värdet med ggplot(), och färglägg punkterna för generna baserat på om de är signifikanta eller inte.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create MA plot
___

# Generate logical column 
smoc2_res_all <- data.frame(smoc2_res) %>% mutate(threshold = padj < 0.05)
              
# Create the volcano plot
ggplot(___) + 
        geom_point(aes(x = ___, y = -log10(___), color = ___)) + 
        xlab("log2 fold change") + 
        ylab("-log10 adjusted p-value") + 
        theme(legend.position = "none", 
              plot.title = element_text(size = rel(1.5), hjust = 0.5), 
              axis.title = element_text(size = rel(1.25)))

Redigera och kör kod