DESeq2 modeli

R ile Bioconductor kullanarak RNA-Seq

Mary Piper

Bioinformatics Consultant and Trainer

DESeq2 modeli

DE kuramı

DESeq2 modeli - ortalama-varyans ilişkisi

# apply() için söz dizimi
apply(data, rows/columns, function_to_apply)

# Her gen (her satır) için ortalamayı hesaplama
mean_counts <- apply(wt_rawcounts[, 1:3], 1, mean)

# Her gen (her satır) için varyansı hesaplama
variance_counts <- apply(wt_rawcounts[, 1:3], 1, var)

DESeq2 modeli - saçılım

Ortalama ile varyans arasındaki ilişkiyi çizmek:

# Her gen için ortalama ve varyansla bir veri çerçevesi oluşturma
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("Gen başına ortalama sayım") +
        ylab("Gen başına varyans")

DESeq2 modeli - saçılım

ortalama-varyans ilişkisi

DESeq2 modeli - saçılım

$Var$: varyans

$\mu$: ortalama

$\alpha$: saçılım

Saçılım formülü: $Var = \mu + \alpha * \mu^{2}$

Ortalama, varyans ve saçılım ilişkisi:

$$\uparrow varyans \Rightarrow \uparrow saçılım$$

$$\uparrow ortalama \Rightarrow \downarrow saçılım$$

DESeq2 modeli - saçılım

# Saçılım kestirimlerini çiz
plotDispEsts(dds_wt)

Saçılım grafiği

DESeq2 modeli - saçılım

kötü saçılım grafikleri

Hadi pratik yapalım!

R ile Bioconductor kullanarak RNA-Seq