Phân tích PCA
Để tiếp tục đánh giá chất lượng mẫu, ở phần đầu của bài tập này, bạn sẽ thực hiện PCA để xem các mẫu gom cụm như thế nào và liệu điều kiện quan tâm của chúng ta có tương ứng với các thành phần chính giải thích phần lớn biến thiên trong dữ liệu hay không. Ở phần thứ hai, bạn sẽ trả lời các câu hỏi về biểu đồ PCA.
Để đánh giá mức độ tương đồng của các mẫu smoc2 bằng PCA, chúng ta cần biến đổi các số đếm đã chuẩn hóa rồi thực hiện phân tích PCA. Giả định rằng tất cả thư viện đã được nạp, đối tượng DESeq2 đã được tạo, và các hệ số kích thước đã được lưu trong đối tượng DESeq2, dds_smoc2.
Bài tập này là một phần của khóa học
RNA-Seq với Bioconductor trong R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Transform the normalized counts
vsd_smoc2 <- vst(dds_smoc2, blind = TRUE)
# Plot the PCA of PC1 and PC2
___(___, intgroup=___)