DE 分析
注意： 加载本练习可能需要更长一点的时间。
我们将继续使用完整数据集，比较在正常与纤维化样本之间表现出显著表达差异的基因，而不考虑基因型（design: ~ genotype + condition）。因此，我们将使用在上一个练习中创建的 dds_all DESeq2 对象。假设该对象已创建，且所有库已加载。在本练习中，请进行无监督聚类分析，以探索样本的聚类情况和主要变异来源。
本练习是课程的一部分
使用 R 中的 Bioconductor 进行 RNA-Seq 分析
练习说明
使用
vst()函数对dds_all对象中的标准化计数进行对数变换，并忽略样本分组信息。使用
pheatmap()函数基于对数标准化计数的相关性值绘制相关性热图。为genotype和condition添加注释条。使用
plotPCA()函数并基于vsd_all绘制 PCA。按condition对图形着色。使用
plotPCA()函数并基于vsd_all绘制 PCA。按genotype对图形着色。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
___(___, ___ = ___)