DESeq2 model - kontrasty

RNA-Seq z Bioconductor w R

Mary Piper

Bioinformatics Consultant and Trainer

Przepływ pracy DESeq2

Przepływ pracy DESeq2 – korekcja LFC

RNA-Seq z Bioconductor w R

Przepływ pracy DESeq2

# Run analysis 
dds_wt <- DESeq(dds_wt)

using pre-existing size factors
estimating dispersions
gene-wise dispersion estimates
mean-dispersion relationship
final dispersion estimates
fitting model and testing
RNA-Seq z Bioconductor w R

Model ujemny dwumianowy DESeq2

Model ujemny dwumianowy

RNA-Seq z Bioconductor w R

Model ujemny dwumianowy DESeq2

Model ujemny dwumianowy 2

RNA-Seq z Bioconductor w R

Kontrasty DESeq2

results(wt_dds, alpha = 0.05)

wynik kontrastu

RNA-Seq z Bioconductor w R

Kontrasty DESeq2

Składnia:

results(dds, 
        contrast = c("condition_factor", "level_to_compare", 
        "base_level"), 
        alpha = 0.05)

wt_res <- results(dds_wt, 
            contrast = c("condition", "fibrosis", 
            "normal"), 
            alpha = 0.05)
RNA-Seq z Bioconductor w R

Kontrasty DESeq2

wt_res

wynik kontrastu

RNA-Seq z Bioconductor w R

Korekcja LFC w DESeq2

plotMA(wt_res, ylim=c(-8,8))

Wykres MA – nieskorygowane zmiany ekspresji

RNA-Seq z Bioconductor w R

Korekcja LFC

wt_res <- lfcShrink(dds_wt, 
            contrast=c("condition", "fibrosis", "normal"),
            res=wt_res)

plotMA(wt_res, ylim=c(-8,8))
RNA-Seq z Bioconductor w R

Korekcja LFC

Wykres MA – skorygowane zmiany ekspresji

RNA-Seq z Bioconductor w R

Czas na ćwiczenia!

RNA-Seq z Bioconductor w R

Preparing Video For Download...