DESeq2-Visualisierungen – Heatmap

HINWEIS: Das Laden dieser Übung kann etwas länger dauern.

Visualisierungen helfen dir, die signifikanten Gene genauer zu untersuchen. Die Expressions-Heatmap zeigt, wie unterschiedlich die Expression aller signifikanten Gene zwischen den Stichprobengruppen ist, während das Expressionsdiagramm die Top-Gene mit hoher Signifikanz betrachtet oder einzelne interessante Gene auswählt, um die Expressionsniveaus zwischen den Stichprobengruppen zu vergleichen.

Diese Übung ist Teil des Kurses

RNA-Seq mit Bioconductor in R

Kurs anzeigen

Anleitung zur Übung

Subset der normalisierten Counts, sodass nur die signifikanten Gene enthalten sind. Verwende die Zeilennamen der signifikanten Ergebnisse smoc2_res_sig, um die normalisierten Counts normalized_counts_smoc2 zu subsettieren.
Erstelle die Heatmap mit sig_norm_counts_smoc2. Färbe die Heatmap mit der Palette heat_colors, clustere die Zeilen ohne Zeilennamen anzuzeigen und skaliere die Werte nach "row". Für die Annotation wähle mit select() nur die Spalte condition aus den smoc2_metadata aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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 = ___)

Code bearbeiten und ausführen