Comprendre l’impact sur les voies
Les voies biologiques sont une autre manière utile de regrouper les gènes. Dans cet exercice, vous allez examiner les résultats d’une analyse d’enrichissement de voies portant sur les pics plus marqués dans les échantillons de tumeur primaire. L’objet enrich_primary contient les résultats. Il s’agit d’une liste avec quatre entrées. À ce stade, ce qui vous intéresse surtout est results, un data frame de résultats d’enrichissement, triés par significativité. Il inclut l’ID et le nom des ensembles de gènes ainsi que les gènes associés aux pics appartenant à l’ensemble. Ici, les gènes sont reportés sous forme d’identifiants Entrez. Vous pouvez utiliser la base fournie par le package org.Hs.eg.db pour convertir entre identifiants Entrez et symboles de gènes. La fonction select() offre une interface pratique pour sélectionner des entrées de la colonne SYMBOL en utilisant le type de clé ENTREZID.
Cet exercice fait partie du cours
ChIP-seq avec Bioconductor en R
Instructions
- Examiner les ensembles de gènes les mieux classés.
- Extraire les identifiants de gènes pour l’ensemble le mieux classé.
- Scinder les identifiants de gènes en un vecteur.
- Convertir les identifiants de gènes en symboles de gènes.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Examine the top gene sets
head(___$results)
# Extract the gene IDs for the top ranking set
genes <- ___$___$Geneset.Peak.Genes[1]
# Split gene IDs into a vector
gene_ids <- strsplit(___, ', ')[[1]]
# Convert gene IDs to gene symbols
gene_symbol <- select(org.Hs.eg.db, keys=___, columns="___", keytype="___")
# Print the result
___(gene_symbol)