Hierarchiczna mapa ciepła według warunków

Podczas oceny jakości danych zliczania należy przekształcić znormalizowane zliczenia, aby lepiej zwizualizować wariancję na potrzeby nienadzorowanych analiz grupowania. Aby ocenić podobieństwo próbek smoc2 za pomocą hierarchicznych map ciepła, przekształć znormalizowane zliczenia i przeprowadź analizę hierarchicznego grupowania. Przyjmij, że wszystkie biblioteki zostały wczytane, obiekt DESeq2 utworzony, a czynniki rozmiaru zapisane w obiekcie DESeq2 dds_smoc2.

To ćwiczenie jest częścią kursu

RNA-Seq z Bioconductor w R

Zobacz kurs

Instrukcje do ćwiczenia

Przekształć znormalizowane zliczenia z obiektu dds_smoc2 za pomocą funkcji vst() z argumentem blind i zapisz wynik jako vsd_smoc2.
Wyodrębnij macierz przekształconych znormalizowanych zliczeń z obiektu vsd_smoc2 za pomocą funkcji assay() i zapisz jako vsd_mat_smoc2.
Oblicz wartości korelacji między próbkami i zapisz jako vsd_cor_smoc2.
Utwórz mapę ciepła wartości korelacji za pomocą funkcji pheatmap() z paskiem adnotacji wskazującym kolumnę condition z ramki danych smoc2_metadata.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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(___, ___))

Edytuj i uruchom kod