Mapa cieplna

Zanim przejdziesz do szczegółów przepływu pracy ChIP-seq w kolejnym rozdziale, masz tu okazję podejrzeć niektóre wyniki analizy.

W tym ćwiczeniu zobaczysz, jak wizualizować różnice między próbkami za pomocą map cieplnych. Dane zostały już wczytane i sformatowane tak, aby umożliwić tworzenie wykresów przy użyciu funkcji heatmap().

Macierz korelacji próbek jest dostępna jako sample_cor, a znormalizowane liczby odczytów dla każdego piku są przechowywane w obiekcie read_counts. W obu przypadkach pierwsze dwie próbki pochodzą z guzów pierwotnych, a ostatnie dwie są odporne na leczenie.

Możesz przekazać wektor etykiet grup do argumentów ColSideColors i RowSideColors funkcji heatmap(), aby zaznaczyć, które próbki należą do tej samej grupy.

To ćwiczenie jest częścią kursu

ChIP-seq z Bioconductor w R

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz wektor nazw kolorów, który posłuży do oznaczenia grup na wykresie.
Wyświetl macierz korelacji próbek sample_cor jako mapę cieplną.
Utwórz mapę cieplną liczby odczytów dla pików.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)

Edytuj i uruchom kod