Heatmap hierarkis berdasarkan condition

Saat melakukan penilaian kualitas pada data hitungan, kita perlu mentransformasi hitungan yang telah dinormalisasi agar varians lebih mudah divisualisasikan untuk analisis pengelompokan tanpa supervisi. Untuk menilai kesamaan sampel smoc2 menggunakan heatmap hierarkis, transformasikan hitungan yang dinormalisasi dan lakukan analisis pengelompokan hierarkis. Asumsikan semua pustaka telah dimuat, objek DESeq2 telah dibuat, dan faktor ukuran telah disimpan dalam objek DESeq2, dds_smoc2.

Latihan ini adalah bagian dari kursus

RNA-Seq dengan Bioconductor di R

Lihat Kursus

Petunjuk latihan

Transformasikan hitungan yang dinormalisasi dari objek dds_smoc2 menggunakan fungsi vst() dengan argumen blind dan simpan ke vsd_smoc2.
Ekstrak matriks hitungan tertransformasi yang dinormalisasi dari objek vsd_smoc2 menggunakan fungsi assay() dan simpan sebagai vsd_mat_smoc2.
Hitung nilai korelasi antarsampel dan simpan ke vsd_cor_smoc2.
Buat heatmap dari nilai korelasi menggunakan pheatmap() dengan bilah anotasi yang menunjukkan condition dari data frame smoc2_metadata.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Transform the normalized counts 
vsd_smoc2 <- ___(___, ___)

# Extract the matrix of transformed counts
vsd_mat_smoc2 <- ___(___)

# Compute the correlation values between samples
vsd_cor_smoc2 <- ___(___) 

# Plot the heatmap
___(___, annotation = select(___, ___))

Edit dan Jalankan Kode