PCA-analys
För att fortsätta kvalitetsbedömningen av våra prover utför vi i den första delen av den här övningen en PCA för att se hur proverna grupperar sig och om det tillstånd vi är intresserade av motsvarar de principalkomponenter som förklarar mest variation i datan. I den andra delen svarar vi på frågor om PCA-diagrammet.
För att bedöma likheten mellan smoc2-proverna med hjälp av PCA behöver vi transformera de normaliserade räknevärdena och sedan utföra PCA-analysen. Anta att alla bibliotek har laddats in, att DESeq2-objektet har skapats och att storleksfaktorerna har lagrats i DESeq2-objektet dds_smoc2.
Den här övningen är en del av kursen
RNA-Seq med Bioconductor i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)