Wizualizacje w DESeq2 – heatmapa

UWAGA: Wczytanie tego ćwiczenia może chwilę potrwać.

Wizualizacje są pomocne w dokładniejszym zbadaniu istotnych genów. Heatmapa ekspresji pozwala sprawdzić, jak bardzo różni się ekspresja wszystkich istotnych genów między grupami próbek, natomiast wykres ekspresji umożliwia analizę najistotniejszych genów lub wybranych genów w celu zbadania poziomów ekspresji w poszczególnych grupach próbek.

To ćwiczenie jest częścią kursu

RNA-Seq z Bioconductor w R

Zobacz kurs

Instrukcje do ćwiczenia

Przefiltruj znormalizowane zliczenia tak, aby uwzględniały tylko istotne geny. Użyj nazw wierszy ze znaczących wyników smoc2_res_sig, aby przefiltrować znormalizowane zliczenia normalized_counts_smoc2.
Utwórz heatmapę na podstawie sig_norm_counts_smoc2. Pokoloruj ją przy użyciu palety heat_colors, pogrupuj wiersze bez wyświetlania ich nazw i przeskaluj wartości według „row". Do adnotacji użyj funkcji select(), aby wybrać tylko kolumnę condition z smoc2_metadata.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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 = ___)

Edytuj i uruchom kod