PCA analizi
Örneklerimizin kalite değerlendirmesine devam etmek için, bu egzersizin ilk bölümünde PCA yaparak örneklerimizin nasıl kümelendiğine ve ilgilendiğimiz durumun (condition) verideki varyasyonun büyük kısmını açıklayan başlıca bileşenlerle örtüşüp örtüşmediğine bakacağız. İkinci bölümde ise PCA grafiğiyle ilgili soruları yanıtlayacağız.
PCA kullanarak smoc2 örneklerinin benzerliğini değerlendirmek için önce normalize edilmiş sayımları dönüştürmemiz, ardından PCA analizi yapmamız gerekiyor. Tüm kütüphanelerin yüklendiğini, DESeq2 nesnesinin oluşturulduğunu ve boyut faktörlerinin dds_smoc2 adlı DESeq2 nesnesinde saklandığını varsay.
Bu egzersiz, kursun bir parçasıdır
R ile Bioconductor kullanarak RNA-Seq
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)