Isı haritası
Bir sonraki bölümde ChIP-seq iş akışının ayrıntılarına geçmeden önce, burada analizin bazı sonuçlarına ön izleme yapma fırsatın var.
Bu egzersizde, örnekler arasındaki farkları ısı haritaları kullanarak nasıl görselleştirebileceğine bakacaksın. Veriler zaten yüklendi ve heatmap() fonksiyonuyla çizim yapmana uygun şekilde biçimlendirildi.
Örnek korelasyon matrisi sample_cor olarak, her bir tepe (peak) için normalize edilmiş okuma sayıları ise read_counts nesnesinde mevcut. Her iki durumda da, ilk iki örnek primer tümörlerden, son iki örnek ise tedaviye dirençli örneklerden geliyor.
Aynı gruba ait örnekleri vurgulamak için heatmap() fonksiyonundaki ColSideColors ve RowSideColors argümanlarına bir grup etiketi vektörü geçebilirsin.
Bu egzersiz, kursun bir parçasıdır
R ile Bioconductor kullanarak ChIP-seq
Egzersiz talimatları
- Grafikte grupları etiketlemek için kullanılabilecek renk adlarından oluşan bir vektör oluştur.
- Örnek korelasyon matrisi
sample_cor’u bir ısı haritası olarak çiz. - Tepe okuma sayılarına ait bir ısı haritası oluştur.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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)