Identifier des thèmes communs
Le package chipenrich propose la fonction chipenrich() pour identifier les groupes de gènes plus fréquemment associés à des pics ChIP-seq que ce que l’on attendrait par hasard. Pour cela, il est essentiel de définir comment regrouper les gènes. Dans cet exercice, vous explorerez les ensembles de gènes Hallmark définis au Broad Institute.
En pratique, vous souhaiteriez généralement restreindre l’analyse aux pics différentiellement liés afin de mettre en évidence les processus moléculaires qui distinguent les deux groupes d’échantillons. Étant donné la petite taille d’échantillon des données ici, vous examinerez simplement les pics présentant un signal plus fort dans les échantillons de tumeurs résistantes au traitement.
Cet exercice fait partie du cours
<cours>ChIP-seq avec Bioconductor en R</cours>Instructions de l’exercice
- Sélectionnez tous les pics dont l’intensité est plus élevée dans les échantillons résistants au traitement que dans les échantillons de tumeur primaire.
- Exécutez l’analyse d’enrichissement.
- Affichez les résultats de l’analyse.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Select all peaks with higher intensity in treatment resistant samples
turp_peaks <- peaks_binding[, "GSM1598218"] + peaks_binding[, "GSM1598219"] < ___[, "GSM1598223"] + ___[, "GSM1598225"]
# Run enrichment analysis
enrich_turp <- ___(peaks_comb[turp_peaks, ], genome="hg19",
genesets = "hallmark", out_name = NULL,
locusdef = "nearest_tss", qc_plots=FALSE)
# Print the results of the analysis
___(enrich_turp$results)