15
2021．10
【RNAseq 3小學堂】差異基因表現量分析_MA plot、volcano plot互動圖
原創文章 引用請註明出處
#RNAseq #差異基因 #雲平台 #3小學堂
|| 3分鐘速解RNAseq分析，本周介紹 MA plot、volcano plot互動圖 ||
上篇，我們初步了解進行基因差異表現量分析時，需要注意的重點，並利用DESeq2/DEGseq得到兩兩比較的差異基因列表，但若得到的差異表現基因數量不如預期，少到無法進行更多觀察，或是有爆炸多的差異基因 ，根本不知道從哪裡看起，能不能調整篩選條件？
|| 圖爾思雲平台讓你自由篩選 ||
只要開啟瀏覽器、上傳數據，在DESeq2/DEGseq的分析中，可以自由調整
-
比較的組別
- p value 或 p adjust
-
p value數值
-
Fold change數值
還能輸出篩選清單！！ 在上述的參數中，小編較常被問到的是：
|| 我該選p value 還是 p adjust? ||
依嚴謹程度來說，當然是會建議選擇p adjust，但這兩者到底差在哪呢?
相信大家對p value不陌生，我們常會設定p<0.05, 0.01, 0.001 來作為篩選顯著差異的基準。
但檢定方法下，有可能發生“偽陽性”，而p adjust 就是用來校正偽陽性的統計方式之一。
舉例來說，設定p<0.05時...
發現了嗎？同時檢驗的基因數越多，偽陽性發生的機率是越來越高 (0.05 → 0.0975 → 0.1426 → 錯誤率膨脹！)
經過p adjust校正後，基本上符合顯著差異的基因數會減少，但該篩選條件也較為謹慎，當然最終如何選擇，還是交由你來決定！
在取得想要的篩選結果後，總不能直接拿表格去找老闆報告吧?! 說好的一目了然的圖呢?
|| 一鍵取得 MA plot、volcano plot 等多項互動美圖 ||
在設定好各類參數後，點擊"Filter with setting Parameter " 就能得到互動圖!
MA plot
MA plot 展示兩組間 "基因表現量" 和 "Fold change" 的分佈，
圖的X軸為平均基因表現量 (Mean normalized count)，Y軸為Fold change，紅色點表示 |Fold change| >2 (預設值，你也可以手動調整喔～)。
將箭頭移至圓點上可得該點Fold change、ensembl ID、symbol，還可調整視窗並截圖。
我想看用p value的結果繪製的圖，可以嗎？
你可以選擇volcano plot!
Volcano plot
Volcano plot展示兩組間 “p value” 和 “Fold change” 的分佈。
圖的X軸為Fold change，Y軸為p value，紅色和藍色表示p adj.<0.05, |Fold change| >2 (預設值，你也可以手動調整喔～)，圖上越接近上方、越偏向左上或右上的點，表示其差異越顯著。
將箭頭移至圓點上可得該點Fold change、ensembl ID、symbol，還可調整視窗並截圖。
|| 上述兩種圖僅能呈現兩組間的差異，我想同時看組內各樣本和組間的基因表現量差異可以嗎？ ||
那你需要的是Heatmap !!
但我想要調整 顏色、 聚類方法、字體大小、圖片大小和解析度，雲平台也做得到嗎？！
待小編下回揭曉，圖爾思雲平台 客製化熱圖的強大威力吧！
圖爾思生物科技/微生物體研究中心
沈筱凌/顏維萱
沈筱凌/顏維萱
