โมเดล DESeq2 - การสำรวจค่า Dispersion
หมายเหตุ: แบบฝึกหัดนี้อาจใช้เวลาโหลดนานกว่าปกติเล็กน้อย
หลังจากที่ได้ fit โมเดลในแบบฝึกหัดก่อนหน้าแล้ว ลองมาสำรวจความเหมาะสมของข้อมูล smoc2 กับ negative binomial model โดยการพล็อตค่าประมาณ dispersion ด้วยฟังก์ชัน plotDispEsts() ค่าประมาณ dispersion จะถูกใช้ในการสร้างโมเดลจาก raw counts ดังนั้น หาก dispersion ไม่เป็นไปตามข้อสมมติที่ DESeq2 กำหนด ความแปรปรวนในข้อมูลอาจถูกประมาณได้ไม่แม่นยำ และผลลัพธ์ DE อาจมีความถูกต้องลดลง
ข้อสมมติของ DESeq2 คือค่า dispersion โดยทั่วไปควรลดลงเมื่อค่าเฉลี่ยเพิ่มขึ้น และควรอยู่ใกล้เคียงกับเส้น fitted line
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
RNA-Seq ด้วย Bioconductor ใน R
คำแนะนำการฝึกหัด
- พล็อตค่าประมาณ dispersion ของข้อมูล
smoc2โดยใช้ฟังก์ชันplotDispEsts()โดยถือว่าขั้นตอนก่อนหน้าทั้งหมดได้ดำเนินการเรียบร้อยแล้ว รวมถึงการสร้างออบเจกต์ DESeq2 ชื่อdds_smoc2และการรันฟังก์ชันDESeq()
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Plot dispersions
___(___)