Модель DESeq2

RNA-Seq с Bioconductor в R

Mary Piper

Bioinformatics Consultant and Trainer

Модель DESeq2

Теория ДЭ

RNA-Seq с Bioconductor в R

Модель DESeq2 — связь среднего и дисперсии

# 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)
RNA-Seq с Bioconductor в R

Модель DESeq2 — дисперсия

Построение зависимости среднего от дисперсии: 

# 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")
RNA-Seq с Bioconductor в R

Модель DESeq2 — дисперсия

зависимость среднего от дисперсии

RNA-Seq с Bioconductor в R

Модель DESeq2 — дисперсия

$Var$: дисперсия

$\mu$: среднее

$\alpha$: разброс

Формула разброса: $Var = \mu + \alpha * \mu^{2}$

Связь между средним, дисперсией и разбросом:

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

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

RNA-Seq с Bioconductor в R

Модель DESeq2 — дисперсия

# Plot dispersion estimates
plotDispEsts(dds_wt)

График разброса

RNA-Seq с Bioconductor в R

Модель DESeq2 — дисперсия

некорректные графики разброса

RNA-Seq с Bioconductor в R

Давайте потренируемся!

RNA-Seq с Bioconductor в R

Preparing Video For Download...