search

fphans / BIDS-NGS

Creative Commons Zero v1.0 Universal
1 stars 0 forks source link

PCA analysis #2

Open jessvasseur opened 3 years ago

jessvasseur commented 3 years ago

Aufgabe: Berechnen Sie eine Hauptkomponentenanalyse (PCA) des Expressionssatzes mit den Proben als Individuen und visualisieren Sie die Ergebnisse auf eine "hübsche Art". Sie könnten das R-Paket FactoMineR für die Berechnung und das ggplot2-Paket für das Plotten verwenden, speichern Sie das resultierende pca als pdf. Die ggsave-Funktion aus dem ggplot2-Paket könnte dabei hilfreich sein.

jessvasseur commented 3 years ago

an die RNASeq Experten hier: warum bekommt man bei der PCA unterschiedliche Werte je nach Package?

FactoMineR pcaData <- PCA(t(rlds), graph = FALSE) plot.PCA(pcaData)

image

DESeq2 plotPCA(rld, intgroup="Group") image

jessvasseur commented 3 years ago

Google is your friend: https://www.biostars.org/p/461760/

pcaData <- PCA(t(rlds), graph = FALSE, scale.unit = FALSE) - Werte sind immer noch anders als mit DESeq2 aber die gleichen Werte wie im Beispiel, das Patrick gezeigt hatte

image

lknegendorf commented 3 years ago

Google is your friend: https://www.biostars.org/p/461760/

pcaData <- PCA(t(rlds), graph = FALSE, scale.unit = FALSE) - Werte sind immer noch anders als mit DESeq2 aber die gleichen Werte wie im Beispiel, das Patrick gezeigt hatte

@JessicaVasseur123 wenn du da auch noch schöne Farben möchtest, würde ich dir das Package "factoextra" empfehlen, das hast du noch mehr Anpassungsmöglichkeiten für den Graphen. Die "hübsche Art" ist ja auch Teil der Aufgabenstellung ;) Bei mir siehts so aus:

PCA_task1

jessvasseur commented 3 years ago

@lknegendorf danke für den Tipp - ich habe es jetzt mit ggplot2 noch etwas "aufgehübscht", nur etwas kompliziert an die Daten zu kommen (Anleitung)

lknegendorf commented 3 years ago

Cool, danke für die Anleitung