DESeq2 視覺化：MA 圖與火山圖

注意： 載入這個練習可能會花比較久的時間。

為了探索分析結果，視覺化能同時提供資料的整體概觀，以及顯著基因的特性。一般來說，我們預期會在各種平均值範圍中都能辨識到顯著基因，這可以用 MA 圖來呈現。若只看到平均值很高的基因才顯著，可能代表資料有問題。火山圖則有助於了解在這組資料中判定顯著性所需的倍數變化範圍。

現在就用 MA 圖與火山圖來探索結果吧。

本練習屬於課程

使用 R 與 Bioconductor 進行 RNA-Seq

檢視課程

練習說明

使用 plotMA() 函式，並以結果物件 smoc2_res 作為輸入，建立 MA 圖。
使用 mutate() 函式，在結果中新增一個邏輯向量欄位，用來標示 padj 是否小於 0.05。
使用 ggplot()，以對數 2 倍數變化（log2 fold change）為 x 軸、負對數 10 調整後 p 值（-log10 adjusted p-value）為 y 軸，繪製火山圖，並依基因是否達到顯著性為點進行著色。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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)))

編輯並執行程式碼