Modelo DESeq2

RNA-Seq com Bioconductor em R

Mary Piper

Bioinformatics Consultant and Trainer

Modelo DESeq2

Teoria de DE

Modelo DESeq2 - relação média-variância

# Sintaxe de apply()
apply(data, rows/columns, function_to_apply)

# Calculando a média de cada gene (cada linha)
mean_counts <- apply(wt_rawcounts[, 1:3], 1, mean)

# Calculando a variância de cada gene (cada linha)
variance_counts <- apply(wt_rawcounts[, 1:3], 1, var)

Modelo DESeq2 - dispersão

Plotando a relação entre média e variância:

# Criando data frame com média e variância de cada gene
df <- data.frame(mean_counts, variance_counts)

ggplot(df) +
        geom_point(aes(x=mean_counts, y=variance_counts)) + 
        scale_y_log10() +
        scale_x_log10() +
        xlab("Mean counts per gene") +
        ylab("Variance per gene")

Modelo DESeq2 - dispersão

relação média-variância

Modelo DESeq2 - dispersão

$Var$: variância

$\mu$: média

$\alpha$: dispersão

Fórmula da dispersão: $Var = \mu + \alpha * \mu^{2}$

Relação entre média, variância e dispersão:

$$\uparrow variância \Rightarrow \uparrow dispersão$$

$$\uparrow média \Rightarrow \downarrow dispersão$$

Modelo DESeq2 - dispersão

# Plotar estimativas de dispersão
plotDispEsts(dds_wt)

Gráfico de dispersão

Modelo DESeq2 - dispersão

gráficos ruins de dispersão

Vamos praticar!

RNA-Seq com Bioconductor em R