DESeq2 모델

R로 하는 Bioconductor 기반 RNA-Seq

Mary Piper

Bioinformatics Consultant and Trainer

DESeq2 모델

DE 이론

R로 하는 Bioconductor 기반 RNA-Seq

DESeq2 모델 - 평균-분산 관계

# Syntax for apply()
apply(data, rows/columns, function_to_apply)

# Calculating mean for each gene (each row)
mean_counts <- apply(wt_rawcounts[, 1:3], 1, mean)

# Calculating variance for each gene (each row)
variance_counts <- apply(wt_rawcounts[, 1:3], 1, var)
R로 하는 Bioconductor 기반 RNA-Seq

DESeq2 모델 - 분산

평균과 분산의 관계 시각화: 

# Creating data frame with mean and variance for every 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")
R로 하는 Bioconductor 기반 RNA-Seq

DESeq2 모델 - 분산

평균-분산 관계

R로 하는 Bioconductor 기반 RNA-Seq

DESeq2 모델 - 분산

$Var$: 분산

$\mu$: 평균

$\alpha$: 분산도

분산도 공식: $Var = \mu + \alpha * \mu^{2}$

평균, 분산, 분산도의 관계:

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

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

R로 하는 Bioconductor 기반 RNA-Seq

DESeq2 모델 - 분산

# Plot dispersion estimates
plotDispEsts(dds_wt)

분산도 플롯

R로 하는 Bioconductor 기반 RNA-Seq

DESeq2 모델 - 분산

잘못된 분산도 플롯

R로 하는 Bioconductor 기반 RNA-Seq

연습해 봅시다!

R로 하는 Bioconductor 기반 RNA-Seq

Preparing Video For Download...