Carte de chaleur

Avant de passer aux détails du flux de travail ChIP-seq dans le prochain chapitre, vous avez ici l’occasion de prévisualiser certains résultats de l’analyse.

Dans cet exercice, vous allez voir comment visualiser les différences entre échantillons en utilisant des cartes de chaleur. Les données ont déjà été chargées et sont formatées pour permettre la visualisation avec la fonction heatmap().

La matrice de corrélation des échantillons est disponible sous le nom sample_cor et les comptes de lectures normalisés pour chaque pic sont stockés dans l’objet read_counts. Dans les deux cas, les deux premiers échantillons proviennent de tumeurs primitives, les deux derniers sont résistants au traitement.

Vous pouvez transmettre un vecteur d’étiquettes de groupe aux arguments ColSideColors et RowSideColors de la fonction heatmap() pour mettre en évidence quels échantillons appartiennent au même groupe.

Cet exercice fait partie du cours

ChIP-seq avec Bioconductor en R

Afficher le cours

Instructions

Créez un vecteur de noms de couleurs à utiliser pour étiqueter les groupes sur le graphique.
Tracez la matrice de corrélation des échantillons sample_cor sous forme de carte de chaleur.
Créez une carte de chaleur des comptes de lectures par pic.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Create a vector of colors to label groups (there are 2 samples per group)
group <- c(primary = rep("blue", ___), TURP = rep("red", ___))

# Plot the sample correlation matrix `sample_cor` as a heat map
# Use the group colors to label the rows and columns of the heat map
heatmap(___, ColSideColors = ___, RowSideColors = ___, 
        cexCol = 0.75, cexRow = 0.75, symm = TRUE)

# Create a heat map of peak read counts
# Use the group colors to label the columns of the heat map
___(___, ColSideColors = ___, labRow = "", cexCol = 0.75)

Modifier et exécuter le code