Heat map

Prima di passare ai dettagli del workflow ChIP-seq nel prossimo capitolo, qui hai l’opportunità di dare un’anteprima di alcuni risultati dell’analisi.

In questo esercizio, vedrai come visualizzare le differenze tra campioni usando le heat map. I dati sono già stati caricati e formattati per consentire il plotting con la funzione heatmap().

La matrice di correlazione dei campioni è disponibile come sample_cor e i conteggi normalizzati delle read per ogni picco sono salvati nell’oggetto read_counts. In entrambi i casi, i primi due campioni provengono da tumori primari, gli ultimi due sono resistenti al trattamento.

Puoi passare un vettore di etichette di gruppo agli argomenti ColSideColors e RowSideColors nella funzione heatmap() per evidenziare quali campioni appartengono allo stesso gruppo.

Questo esercizio fa parte del corso

ChIP-seq con Bioconductor in R

Visualizza il corso

Istruzioni dell'esercizio

Crea un vettore di nomi di colori da usare per etichettare i gruppi nel grafico.
Traccia la matrice di correlazione dei campioni sample_cor come heat map.
Crea una heat map dei conteggi di read per picco.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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)

Modifica ed esegui il codice