Deseq2 的可视化策略汇总

1） MA图

 

对于MA图而言， 横坐标为该基因在所有样本中的均值，basemean = （basemean_A + basemean_B ） / 2， 纵坐标为 log2Fold change

其中，pvalue < 0.1 以下的点被认为是差异基因，标记为红色

 

 

2)  count 图 （单个基因在不同组样本中的分布）

 

 

 

为了防止样本表达量相同时，点出现重合的情况，添加了扰动

library("ggplot2")

ggplot(d, aes(x=condition, y=count)) + geom_point(position=position_jitter(w=0.1,h=0)) + scale_y_log10(breaks=c(25,100,400))

 

 

 

3） heatmap （基因表达矩阵的heatmap）

值得注意的是，当我们想要通过heatmap 图来看规律的时候，可以先不对样本和基因进行聚类，直接按照分组顺序来排就好，这样可以直观的看出来在不同分组中的规律

 

 

4)  heatmap (sample-to-sample 的距离矩阵的热图)

 

 

此时，可以对样本进行聚类，看样本的聚类效果和实验设计时的分组是否一致；

 

5）PCA 图（样本的PCA 图）

 

6） boxplot (观察离群值点)