diff --git a/Projet.Rmd b/Projet.Rmd
index bfff726..e5f8527 100644
--- a/Projet.Rmd
+++ b/Projet.Rmd
@@ -89,25 +89,43 @@ grid.arrange(g3,g1,g2,ncol=3)
 ```
 
 ### Analyse de de ces 3 variables
-On remarque que les traitements T1 et T2 semblent avoir un effet assez similaire sur l'expression des gênes relevée à la 6ème heure : Une polarisation entre la sous expression et la sur expression qui se partagent presque la totalité des relevés, avec un poids légèrement superieur à 55% pour la sur-expression au détriment de la sous-expression.
+On remarque que les traitements T2 et T3 semblent avoir un effet assez similaire sur l'expression des gênes relevée à la 6ème heure : Une polarisation entre la sous expression et la sur expression qui se partagent presque la totalité des relevés, avec un poids légèrement superieur à 55% pour la sur-expression au détriment de la sous-expression. Cela a peut être un rapporrt avec le fait que T3 est une combinaison des traitement T1 et T2.
 
 T1 quant à lui se démarque grandement par une large majorité (Un peu plus de 80%),  de gêne n'ayant pas changé d'expression après 6h de traitement.
 
 ### Expression relative des gênes mesurées à intervalle régulier
 
 #### Traitement  T1
-```{r, fig.height=17}
+```{r, fig.height=10}
 #apply(T[-c(37:39)],2,function(col){
  # which(T == col)
   #hist(col, main = paste("Histogram of", colnames(T)[which(T == col)[2]]),
    #    xlab = "Values", col = "lightblue", border = "black")
   #})
-T_long = melt(T[-c(37:39)])
+T_long = melt(T[c(1,2,3,4,5,6,19,20,21,22,23,24)])
 ggplot(T_long, aes(x = value)) +
   geom_histogram(binwidth = 1, fill = "blue", color = "black", alpha = 0.7) +
   facet_wrap(~variable,scales = "free",ncol=6) +
   labs(title = "Histograms for Each Column", x = "Values", y = "Frequency")
 ```
+### Traitement T2
+```{r, fig.height=10}
+T_long = melt(T[c(7,8,9,10,11,12,25,26,27,28,29,30)])
+ggplot(T_long, aes(x = value)) +
+  geom_histogram(binwidth = 1, fill = "blue", color = "black", alpha = 0.7) +
+  facet_wrap(~variable,scales = "free",ncol=6) +
+  labs(title = "Histograms for Each Column", x = "Values", y = "Frequency")
+```
+### Traitement T3
+```{r, fig.height=10}
+T_long = melt(T[c(13,14,15,16,17,18,31,32,33,34,35,36)])
+ggplot(T_long, aes(x = value)) +
+  geom_histogram(binwidth = 1, fill = "blue", color = "black", alpha = 0.7) +
+  facet_wrap(~variable,scales = "free",ncol=6) +
+  labs(title = "Histograms for Each Column", x = "Values", y = "Frequency")
+```
+
+
 ## tracer plusieurs matrices de covariances pour limiter le nombre de variables, soit pour chaque heure soit pour chaque traitement