Heatmap gerarchica per condizione

Quando valuti la qualità dei nostri dati di conteggio, è necessario trasformare i conteggi normalizzati per visualizzare meglio la varianza nelle analisi di clustering non supervisionato. Per valutare la similarità dei campioni smoc2 usando heatmap gerarchiche, trasforma i conteggi normalizzati ed esegui un'analisi di clustering gerarchico. Supponi che tutte le librerie siano state caricate, che l'oggetto DESeq2 sia stato creato e che i fattori di dimensione siano stati salvati nell'oggetto DESeq2, dds_smoc2.

Questo esercizio fa parte del corso

RNA-Seq con Bioconductor in R

Visualizza corso

Istruzioni dell'esercizio

Trasforma i conteggi normalizzati dall'oggetto dds_smoc2 usando la funzione vst() con l'argomento blind e salva in vsd_smoc2.
Estrai la matrice dei conteggi normalizzati trasformati dall'oggetto vsd_smoc2 usando la funzione assay() e salvala come vsd_mat_smoc2.
Calcola i valori di correlazione tra i campioni e salvali in vsd_cor_smoc2.
Crea una heatmap dei valori di correlazione usando pheatmap() con una barra di annotazione che indichi condition dal data frame smoc2_metadata.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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(___, ___))

Modifica ed esegui il codice