Mapa de calor

Antes de avançar para os detalhes do fluxo de trabalho de ChIP-seq no próximo capítulo, aqui você tem a chance de ver uma prévia de alguns resultados da análise.

Neste exercício, você vai explorar como visualizar diferenças entre amostras usando mapas de calor. Os dados já foram carregados e formatados para permitir a plotagem com a função heatmap().

A matriz de correlação entre amostras está disponível como sample_cor e as contagens normalizadas de leituras para cada pico estão armazenadas no objeto read_counts. Em ambos os casos, as duas primeiras amostras são de tumores primários e as duas últimas são resistentes ao tratamento.

Você pode passar um vetor com rótulos de grupo para os argumentos ColSideColors e RowSideColors na função heatmap() para destacar quais amostras pertencem ao mesmo grupo.

Este exercício faz parte do curso

ChIP-seq com Bioconductor em R

Ver curso

Instruções do exercício

Crie um vetor com nomes de cores que possa ser usado para rotular grupos no gráfico.
Plote a matriz de correlação das amostras sample_cor como um mapa de calor.
Crie um mapa de calor das contagens de leitura nos picos.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)

Editar e executar o código