Модель DESeq2 — дослідження дисперсій

ПРИМІТКА: завантаження цієї вправи може тривати трохи довше.

Після підгонки моделі у попередній вправі давайте дослідимо, наскільки дані smoc2 відповідають негативно-біноміальній моделі. Для цього побудуйте графік оцінок дисперсії за допомогою функції plotDispEsts(). Пам'ятайте, що оцінки дисперсії використовують для моделювання сирих підрахунків; якщо дисперсії не відповідають припущенням DESeq2, варіацію в даних може бути оцінено неточно, і результати DE будуть менш надійними.

DESeq2 припускає, що дисперсії загалом мають зменшуватися зі зростанням середнього значення і що вони більш-менш мають слідувати підгоненій лінії.

Ця вправа є частиною курсу

RNA-Seq з Bioconductor у R

Переглянути курс

Інструкції до вправи

Побудуйте графік оцінок дисперсії для даних smoc2 за допомогою функції plotDispEsts(). Уважайте, що всі попередні кроки вже виконано, зокрема створено об'єкт DESeq2 dds_smoc2 і запущено функцію DESeq().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Plot dispersions
___(___)

Редагувати та запускати код