--- title: 'Oefening Correlatiecoëfficiënt' output: html_document: code_download: yes highlight: tango number_sections: yes theme: cosmo toc: yes toc_float: yes word_document: toc: yes --- # Colocalisatie aan de hand van correlatiecoefficient De dataset in deze oefening is afgeleid uit 12 microscopie opnames die de colocalisatie van transferrine (gekleurd in texasrood) en Rab10 proteïnen (gekleurd in groen m.b.v. GFP) in kaart wilden brengen volgens het werk van McDonald & Dunn (2013). Om de colocalisatie van beide eiwitten te kwantificeren wordt een biologisch staal aan de hand van probes (vaak antilichamen) gekleurd met beide stoffen. De bepaling van hun colocalisatie werd vroeger typisch visueel uitgevoerd: indien de meeste pixels geel (=groen+rood) zijn op een donkere achtergrond, dan spreken we van een sterke colocalisatie. Dit is echter subjectief en laat geen mate van sterkte in de colocalisatie toe. Een objectievere manier is om de intensiteit van het rode en het groene signaal te meten in iedere pixel, en diens Pearson correlatiecoëfficiënt te berekenen voor het beeld. Voor elk biologisch staal bekomt men aldus een microscopiebeeld, dat men zal samenvatten in diens correlatiecoëfficiënt. Om colocalisatie te testen, kan men aldus een statistische test uitvoeren of de correlatiecoëfficiënt al dan niet groter is dan nul. Naast een objectieve analyse, laat deze methode ook toe om de mate van colocalisatie te kwantificeren aan de hand van de gemiddelde correlatiecoëfficiënt. # R libraries inlezen ```{r} library(ggplot2) library(dplyr) #install.packages("tidyr") library(readr) library(tidyr) ``` # Dataset correlation.dat inlezen Het inlezen van de dataset kan via onderstaand commando met behulp van de weblink waar de data is opgeslagen: ```{r} correlatie <- read_table("https://raw.githubusercontent.com/statOmics/statistiekBasisCursusData/master/practicum2/correlation.dat") correlatie # sla de correlatiecoëfficiënten op in een vector cor_coef cor_coef <- correlatie$correlation_coefficient ```