Hiërarchische heatmap per conditie

Bij de kwaliteitsbeoordeling van onze telgegevens moeten we de genormaliseerde tellingen transformeren om de variantie beter te visualiseren voor ongecontroleerde clusteranalyses. Om de overeenkomst tussen de smoc2-monsters te beoordelen met hiërarchische heatmaps, transformeer je de genormaliseerde tellingen en voer je een hiërarchische clusteranalyse uit. Ga ervan uit dat alle libraries zijn geladen, het DESeq2-object is aangemaakt en de size factors zijn opgeslagen in het DESeq2-object, dds_smoc2.

Deze oefening maakt deel uit van de cursus

RNA-Seq met Bioconductor in R

Cursus bekijken

Oefeninstructies

Transformeer de genormaliseerde tellingen uit het dds_smoc2-object met de functie vst() met het argument blind en sla op als vsd_smoc2.
Extraheer de matrix met getransformeerde genormaliseerde tellingen uit het vsd_smoc2-object met de functie assay() en sla op als vsd_mat_smoc2.
Bereken de correlatiewaarden tussen monsters en sla op als vsd_cor_smoc2.
Maak een heatmap van de correlatiewaarden met pheatmap() met een annotatiebalk die condition uit het data frame smoc2_metadata aangeeft.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(___, ___))

Code bewerken en uitvoeren