เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Heat map

ก่อนจะเข้าสู่รายละเอียดของกระบวนการ ChIP-seq ในบทถัดไป มาดูตัวอย่างผลลัพธ์บางส่วนจากการวิเคราะห์กันก่อน

ในแบบฝึกหัดนี้ คุณจะได้เรียนรู้วิธีแสดงความแตกต่างระหว่างตัวอย่างโดยใช้ heat map โดยข้อมูลถูกโหลดและจัดรูปแบบไว้แล้วเพื่อให้พล็อตด้วยฟังก์ชัน heatmap() ได้ทันที

เมทริกซ์สหสัมพันธ์ของตัวอย่างมีอยู่ใน sample_cor และค่า read counts ที่ผ่านการ normalize แล้วสำหรับแต่ละ peak ถูกเก็บไว้ในออบเจกต์ read_counts ในทั้งสองกรณี ตัวอย่างสองรายการแรกมาจากเนื้องอกปฐมภูมิ และสองรายการสุดท้ายมาจากกลุ่มที่ดื้อต่อการรักษา

สามารถส่งเวกเตอร์ของป้ายกำกับกลุ่มไปยังอาร์กิวเมนต์ ColSideColors และ RowSideColors ในฟังก์ชัน heatmap() เพื่อแสดงว่าตัวอย่างใดอยู่ในกลุ่มเดียวกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ChIP-seq with Bioconductor in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างเวกเตอร์ของชื่อสีเพื่อใช้ติดป้ายกำกับกลุ่มในพล็อต
  • พล็อตเมทริกซ์สหสัมพันธ์ sample_cor เป็น heat map
  • สร้าง heat map ของค่า read counts สำหรับแต่ละ peak

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด