Visualizzazioni DESeq2 - heatmap

NOTA: il caricamento di questo esercizio potrebbe richiedere un po' più di tempo.

Le visualizzazioni sono utili anche per esplorare più nel dettaglio i geni significativi. La heatmap di espressione aiuta a vedere quanto differisce l'espressione di tutti i geni significativi tra i gruppi di campioni, mentre il grafico di espressione permette di esaminare i geni più significativi o di scegliere singoli geni di interesse per confrontare i livelli di espressione tra i gruppi di campioni.

Questo esercizio fa parte del corso

RNA-Seq con Bioconductor in R

Visualizza corso

Istruzioni dell'esercizio

Seleziona un sottoinsieme dei conteggi normalizzati includendo solo i geni significativi. Usa i nomi di riga dei risultati significativi smoc2_res_sig per effettuare il sottoinsieme dei conteggi normalizzati, normalized_counts_smoc2.
Crea la heatmap usando sig_norm_counts_smoc2. Colora la heatmap con la palette heat_colors, raggruppa (cluster) le righe senza mostrare i nomi di riga e normalizza i valori per "row" (riga). Per l'annotazione, usa select() per selezionare solo la colonna condition da smoc2_metadata.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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 = ___)

Modifica ed esegui il codice