Modello DESeq2

RNA-Seq con Bioconductor in R

Mary Piper

Bioinformatics Consultant and Trainer

Modello DESeq2

Teoria DE

Modello DESeq2 - relazione media-varianza

# Sintassi di apply()
apply(data, righe/colonne, funzione_da_applicare)

# Calcolo della media per ciascun gene (ogni riga)
mean_counts <- apply(wt_rawcounts[, 1:3], 1, mean)

# Calcolo della varianza per ciascun gene (ogni riga)
variance_counts <- apply(wt_rawcounts[, 1:3], 1, var)

Modello DESeq2 - dispersione

Traccia la relazione tra media e varianza:

# Crea un data frame con media e varianza per ogni 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")

Modello DESeq2 - dispersione

relazione media-varianza

Modello DESeq2 - dispersione

$Var$: varianza

$\mu$: media

$\alpha$: dispersione

Formula della dispersione: $Var = \mu + \alpha * \mu^{2}$

Relazione tra media, varianza e dispersione:

$$\uparrow variance \Rightarrow \uparrow dispersion$$

$$\uparrow mean \Rightarrow \downarrow dispersion$$

Modello DESeq2 - dispersione

# Grafico delle stime di dispersione
plotDispEsts(dds_wt)

Grafico della dispersione

Modello DESeq2 - dispersione

grafici di dispersione errati

Esercitiamoci!

RNA-Seq con Bioconductor in R