Värmekarta

Innan du går vidare till detaljerna i ChIP-seq-arbetsflödet i nästa kapitel får du här möjlighet att förhandsgranska några av analysresultaten.

I den här övningen tittar du på hur man visualiserar skillnader mellan prover med hjälp av värmekartor. Data är redan inläst och formaterat för att möjliggöra diagram med funktionen heatmap().

Sampelkorrelationsmatrisen finns tillgänglig som sample_cor och normaliserade läsantal för varje topp lagras i objektet read_counts. I båda fallen är de två första proven från primärtumörer och de sista två är behandlingsresistenta.

Du kan skicka en vektor med gruppetikett till argumenten ColSideColors och RowSideColors i funktionen heatmap() för att markera vilka prover som tillhör samma grupp.

Den här övningen är en del av kursen

ChIP-seq med Bioconductor i R

Visa kurs

Övningsinstruktioner

Skapa en vektor med färgnamn som kan användas för att märka grupper i diagrammet.
Rita upp sampelkorrelationsmatrisen sample_cor som en värmekarta.
Skapa en värmekarta över läsantal per topp.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod