Visualisasi DESeq2 - heatmap

CATATAN: Memuat latihan ini mungkin memerlukan waktu sedikit lebih lama.

Visualisasi juga berguna untuk mengeksplorasi gen signifikan secara lebih mendalam. Heatmap ekspresi membantu melihat seberapa berbeda ekspresi semua gen signifikan antar kelompok sampel, sedangkan plot ekspresi dapat menampilkan gen paling signifikan atau memungkinkan Anda memilih gen tertentu untuk menelusuri tingkat ekspresi antar kelompok sampel.

Latihan ini adalah bagian dari kursus

RNA-Seq dengan Bioconductor di R

Lihat Kursus

Petunjuk latihan

Ambil subset hitungan yang telah dinormalisasi agar hanya mencakup gen signifikan. Gunakan nama baris dari hasil signifikan smoc2_res_sig untuk mengambil subset hitungan yang telah dinormalisasi, normalized_counts_smoc2.
Buat heatmap menggunakan sig_norm_counts_smoc2. Warnai heatmap menggunakan palet heat_colors, lakukan klaster baris tanpa menampilkan nama baris, dan skala nilai berdasarkan "row". Untuk anotasi, gunakan select() untuk memilih hanya kolom condition dari smoc2_metadata.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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 = ___)

Edit dan Jalankan Kode