DESeq2 可视化——MA 图与火山图

注意： 加载本练习可能需要稍长时间。

为了探索结果，可视化有助于从全局视角查看数据，并了解显著基因的特征。通常，我们期望在不同的均值范围内都能识别到显著基因，这可以用 MA 图展示。若只在高均值看到显著基因，可能暗示数据存在问题。火山图则有助于了解在我们的数据中判定显著性所需的倍数变化范围。

让我们用 MA 图和火山图来探索结果吧。

本练习是课程的一部分

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

查看课程

练习说明

使用 plotMA() 函数，并以结果对象 smoc2_res 作为输入，创建一幅 MA 图。
使用 mutate() 函数，为结果新增一列逻辑向量，表示 padj 是否小于 0.05。
使用 ggplot()，以 log2 倍数变化为横轴、-log10 校正后的 p 值为纵轴创建火山图，并根据基因是否显著为点着色。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)))

编辑并运行代码