所以我正在查看一些 RNA-seq 数据,并试图绘制成对的主要成分。但是,我们当前的 R 脚本使用命令 vsd=vst(dds,blind=FALSE) 但我能够获得配对图的唯一方法是在分析的产品上使用 pca 命令(vst(dds,blind=错误的))。似乎问题在于分析命令将结果转换为矩阵 - 但生成的 PCA 图给了我完全不同的主要成分。
例如 - 使用 plotPCA(vsd, intgroup="condition") 给我 PC1 94% 的方差,而 PC2 有 3% 的方差。
对于相同的数据,使用 pca(assay(vst(dds,blind=FALSE)), removeVar=0.1, metadata=coldata),我得到 PC1 的方差为 53%,PC2 的方差为 6%,大约有 9 个主成分.
我更喜欢使用 pca(assay..) 命令,因为我可以轻松获得配对图和每个基因对特定成分的贡献程度的列表,但是导致这些主要成分差异的真正差异是什么?是正确的?如果我必须使用第一个命令,我怎样才能得到配对图和基因加载列表?