การวิเคราะห์ PCA
เพื่อดำเนินการประเมินคุณภาพของตัวอย่างต่อไป ในส่วนแรกของแบบฝึกหัดนี้ เราจะทำ PCA เพื่อดูว่าตัวอย่างของเราจัดกลุ่มกันอย่างไร และเงื่อนไขที่สนใจสอดคล้องกับ principal components ที่อธิบายความแปรปรวนในข้อมูลมากที่สุดหรือไม่ ในส่วนที่สอง เราจะตอบคำถามเกี่ยวกับกราฟ PCA
เพื่อประเมินความคล้ายคลึงของตัวอย่าง smoc2 ด้วย PCA จะต้องแปลงค่า normalized counts ก่อน แล้วจึงทำการวิเคราะห์ PCA โดยสมมติว่าโหลดไลบรารีทั้งหมดแล้ว สร้าง DESeq2 object แล้ว และ size factors ถูกจัดเก็บใน DESeq2 object dds_smoc2 แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
RNA-Seq ด้วย Bioconductor ใน R
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)