DESeq2 可视化——热图
注意： 加载本练习可能需要更长一点时间。
可视化也有助于更深入地探索显著基因。表达量热图有助于查看所有显著基因在不同样本组之间的表达差异；而表达量图可以聚焦于最显著的基因，或选择感兴趣的单个基因，来检查其在不同样本组（sample groups）之间的表达水平。
本练习是课程的一部分
使用 R 中的 Bioconductor 进行 RNA-Seq 分析
练习说明
将标准化计数子集化，只保留显著基因。使用显著结果
smoc2_res_sig的行名来对子集化标准化计数normalized_counts_smoc2。使用
sig_norm_counts_smoc2创建热图。使用调色板heat_colors着色，按行聚类且不显示行名，并按 "row" 对值进行缩放。注释部分，请使用select()从smoc2_metadata中只选择condition列。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Subset normalized counts to significant genes
sig_norm_counts_smoc2 <- ___[___(___), ]
# Choose heatmap color palette
heat_colors <- brewer.pal(n = 6, name = "YlOrRd")
# Plot heatmap
pheatmap(___,
color = ___,
cluster_rows = ___,
show_rownames = ___,
annotation = ___(___, ___),
scale = ___)