Vizualizace v DESeq2 – heatmapa

POZNÁMKA: Načtení tohoto cvičení může chvíli trvat.

Visualizace jsou skvělým nástrojem pro podrobnější prozkoumání významných genů. Heatmapa exprese ti ukáže, jak moc se liší exprese všech významných genů mezi skupinami vzorků, zatímco graf exprese umožňuje zaměřit se na nejvýznamnější geny nebo zkoumat expresní hladiny vybraných genů zájmu mezi skupinami vzorků.

Toto cvičení je součástí kurzu

RNA-Seq s Bioconductorem v R

Zobrazit kurz

Pokyny k cvičení

Vyfiltruj normalizované počty tak, aby zahrnovaly pouze významné geny. Použij názvy řádků z výsledků smoc2_res_sig k výběru odpovídajících záznamů z normalizovaných počtů normalized_counts_smoc2.
Vytvoř heatmapu pomocí sig_norm_counts_smoc2. Obarvi ji paletou heat_colors, seskup řádky bez zobrazení jejich názvů a hodnoty normalizuj podle "row". Pro anotaci použij funkci select() a vyber pouze sloupec condition z smoc2_metadata.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Subset normalized counts to significant genes
sig_norm_counts_smoc2 <- ___[___(___), ]

# Choose heatmap color palette
heat_colors <- brewer.pal(n = 6, name = "YlOrRd")

# Plot heatmap
pheatmap(___, 
         color = ___, 
         cluster_rows = ___, 
         show_rownames = ___,
         annotation = ___(___, ___), 
         scale = ___)

Upravit a spustit kód