condition별 계층적 히트맵

카운트 데이터의 품질을 평가할 때, 비지도 클러스터링 분석에서 분산을 더 잘 시각화하려면 정규화된 카운트를 변환해야 해요. 계층적 히트맵으로 smoc2 샘플 간 유사성을 평가하려면, 정규화된 카운트를 변환하고 계층적 클러스터링 분석을 수행하세요. 모든 라이브러리가 로드되었고, DESeq2 객체가 생성되었으며, size factor가 DESeq2 객체 dds_smoc2에 저장되어 있다고 가정합니다.

이 연습은 강의의 일부입니다

R로 하는 Bioconductor 기반 RNA-Seq

강의 보기

연습 안내

blind 인수를 사용해 vst() 함수로 dds_smoc2 객체의 정규화된 카운트를 변환하고, vsd_smoc2에 저장하세요.
assay() 함수를 사용해 vsd_smoc2 객체에서 변환된 정규화 카운트 행렬을 추출하고, vsd_mat_smoc2로 저장하세요.
샘플 간 상관계수를 계산해 vsd_cor_smoc2로 저장하세요.
pheatmap()을 사용해 상관계수의 히트맵을 만들고, smoc2_metadata data frame의 condition을 표시하는 annotation 막대를 추가하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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(___, ___))

코드 편집 및 실행