การสร้างภาพข้อมูลด้วย DESeq2 — MA plot และ Volcano plot

หมายเหตุ: แบบฝึกหัดนี้อาจใช้เวลาโหลดนานขึ้นเล็กน้อย

การสร้างภาพข้อมูลช่วยให้มองเห็นภาพรวมของข้อมูลและลักษณะของยีนที่มีนัยสำคัญได้ชัดเจนขึ้น โดยทั่วไปเราคาดว่าจะพบยีนที่มีนัยสำคัญกระจายอยู่ทั่วช่วงของค่าเฉลี่ย ซึ่งสามารถแสดงได้ด้วย MA plot หากพบยีนที่มีนัยสำคัญเฉพาะในกลุ่มที่มีค่าเฉลี่ยสูง อาจเป็นสัญญาณที่บ่งชี้ว่าข้อมูลมีปัญหา ส่วน volcano plot ช่วยให้เห็นช่วงของค่า fold change ที่จำเป็นสำหรับการกำหนดนัยสำคัญในข้อมูล

มาสำรวจผลลัพธ์ที่ได้ด้วย MA plot และ volcano plot กัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

RNA-Seq ด้วย Bioconductor ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง MA plot โดยใช้ฟังก์ชัน plotMA() และส่ง object ของผลลัพธ์ smoc2_res เป็น input
สร้างคอลัมน์ใหม่เป็น logical vector เพื่อระบุว่าค่า padj น้อยกว่า 0.05 หรือไม่ โดยใช้ฟังก์ชัน mutate()
สร้าง volcano plot แสดงค่า log2 fold change เทียบกับค่า -log10 adjusted p-value โดยใช้ ggplot() และระบายสีจุดของแต่ละยีนตามว่ายีนนั้นมีนัยสำคัญหรือไม่

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)))

แก้ไขและรันโค้ด