DE 分析
注意： 載入這個練習可能需要較長時間。
我們會繼續使用完整資料集，比較在不同基因型下皆對「正常」與「纖維化」樣本呈現顯著表現差異的基因（design: ~ genotype + condition）。因此，會沿用上一個練習建立的 dds_all DESeq2 物件。假設此物件已經建立，且所有函式庫都已載入。在本練習中，讓我們進行非監督式分群分析，以探索樣本的分群情形與主要變異來源。
本練習屬於課程
使用 R 與 Bioconductor 進行 RNA-Seq
練習說明
使用
vst()函式對dds_all物件中的標準化計數做對數轉換，且不考慮樣本分組資訊（blind）。使用
pheatmap()函式，根據對數標準化計數的相關係數值繪製相關性熱圖。加入genotype與condition的註解條。使用
plotPCA()函式，套用vsd_all繪製 PCA。依據condition著色。使用
plotPCA()函式，套用vsd_all繪製 PCA。依據genotype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。
# 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
___(___, ___ = ___)