Phân tích DE
LƯU Ý: Bài tập này có thể mất thêm thời gian để tải.
Chúng ta sẽ tiếp tục dùng toàn bộ tập dữ liệu để so sánh các gene thể hiện khác biệt biểu hiện đáng kể giữa mẫu bình thường và mẫu xơ hóa, không phụ thuộc kiểu gen (design: ~ genotype + condition). Do đó, bạn sẽ dùng đối tượng DESeq2 dds_all đã tạo ở bài trước. Giả sử đối tượng này đã được tạo và mọi thư viện đã được nạp. Trong bài này, hãy thực hiện các phân tích phân cụm không giám sát để khám phá cách các mẫu được phân cụm và các nguồn biến thiên.
Bài tập này là một phần của khóa học
RNA-Seq với Bioconductor trong R
Hướng dẫn bài tập
Log-transform các count đã chuẩn hóa bên trong đối tượng
dds_allbằng hàmvst(), ở chế độ blind với thông tin nhóm mẫu.Tạo heatmap tương quan của các giá trị tương quan từ các count đã log-normalize bằng hàm
pheatmap(). Thêm thanh chú giải (annotation) chogenotypevàcondition.Vẽ PCA với hàm
plotPCA()sử dụngvsd_all. Tô màu biểu đồ theocondition.Vẽ PCA với hàm
plotPCA()sử dụngvsd_all. Tô màu biểu đồ theogenotype.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Log transform counts for QC
vsd_all <- ___(___, blind = ___)
# Create heatmap of sample correlation values
vsd_all %>%
___() %>%
___() %>%
___(annotation = select(all_metadata, c("___", "___")))
# Create the PCA plot for PC1 and PC2 and color by condition
___(___, ___ = ___)
# Create the PCA plot for PC1 and PC2 and color by genotype
___(___, ___ = ___)