Hartă termică

Înainte de a trece la detaliile fluxului de lucru ChIP-seq din capitolul următor, ai aici ocazia de a previzualiza câteva dintre rezultatele analizei.

În acest exercițiu, vei explora cum să vizualizezi diferențele dintre eșantioane folosind hărți termice. Datele au fost deja încărcate și sunt formatate pentru a permite vizualizarea cu funcția heatmap().

Matricea de corelație a eșantioanelor este disponibilă ca sample_cor, iar numărul de citiri normalizate pentru fiecare vârf este stocat în obiectul read_counts. În ambele cazuri, primele două eșantioane provin din tumori primare, iar ultimele două sunt rezistente la tratament.

Poți transmite un vector de etichete de grup argumentelor ColSideColors și RowSideColors din funcția heatmap() pentru a evidenția eșantioanele care aparțin aceluiași grup.

Acest exercițiu face parte din cursul

ChIP-seq cu Bioconductor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un vector de nume de culori care poate fi folosit pentru a eticheta grupurile în grafic.
Reprezintă matricea de corelație a eșantioanelor sample_cor ca hartă termică.
Creează o hartă termică a numărului de citiri per vârf.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)

Editează și rulează codul