Trực quan hóa với DESeq2 - biểu đồ MA và volcano
LƯU Ý: Bài tập này có thể mất một chút thời gian để tải.
Để khám phá kết quả, các trực quan hóa giúp bạn có cái nhìn tổng quát về dữ liệu và đặc điểm của các gene có ý nghĩa thống kê. Thông thường, ta kỳ vọng thấy các gene có ý nghĩa xuất hiện trải khắp dải giá trị trung bình, điều này có thể quan sát qua biểu đồ MA. Nếu bạn chỉ thấy các gene có ý nghĩa ở mức trung bình cao, đó có thể là dấu hiệu dữ liệu có vấn đề. Biểu đồ volcano giúp bạn hình dung dải log2 fold change cần thiết để xác định ý nghĩa trong dữ liệu.
Hãy cùng khám phá kết quả bằng biểu đồ MA và biểu đồ volcano.
Bài tập này là một phần của khóa học
RNA-Seq với Bioconductor trong R
Hướng dẫn bài tập
Tạo biểu đồ MA bằng hàm
plotMA()với đối tượng kết quảsmoc2_reslàm đầu vào.Tạo một cột mới là vector logic cho biết các giá trị
padjcó nhỏ hơn 0,05 hay không cho bảng kết quả bằng hàmmutate().Tạo biểu đồ volcano giữa log2 fold change và -log10 của p-value đã hiệu chỉnh bằng
ggplot(), và tô màu các điểm gene theo việc chúng có ý nghĩa thống kê hay không.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)))