0
点赞
收藏
分享

微信扫一扫

13.GEO数据集的R语言差异分析和代码解析--2.差异分析

西特张 2021-09-19 阅读 63

一、举例回顾

本节下载GSE1009数据集,使用limma包进行差异分析举例。

GSE1009  

样本量:共6个样本,其中后3为糖尿病肾病(DN)肾小球样本,前3个为正常肾小球样本。

使用芯片:Affymetrix Human Genome U95 Version 2 Array。

平台:GPL8300。

二、需要准备的文件:

上一节中保存的GSE1009.Rdata和GSE1009expressionmetrix_GSE.csv(请把这两个文件放在一个文件夹中。)

三、差异分析代码解析:

>setwd("D:\\Rfile")

>rm(list = ls())

>options(stringsAsFactors=F)

#老规矩,先设置工作目录。


>load(file = 'GSE1009.Rdata')

#加载上一节保存的R文件,里面包含表达矩阵和分组信息,不记得了可以看看上一节代码。


>table(group_list)

#计数每组样本的个数。


>library(limma)

#调用limma包,注意调用包之前,请先安装。

#limma包是biocondutor中的包,搜索安装命令的方式见上一节,这里就不重复了。最新的安装命令如下:


>logFoldChange=1

>adjustP=0.05

#设置差异基因DEGs的筛选阈值。

#关于筛选阈值:一般有三个筛选条件,log2FC、P、FDR(调整的P),大家可以根据自己的需要设置。


>rt=read.csv("GSE1009expressionmetrix_GSE.csv")

#读取整理好的表达矩阵数据,读入R中的矩阵的数据结构为列表,将整个列表赋值给变量rt.


>rt=as.matrix(rt)

#将列表rt转换为矩阵。

#这时表达矩阵如下:


>rownames(rt)=rt[,1]

#将第一列数据(基因名)作为行名。


>exp=rt[,2:ncol(rt)]

#选择第2列到最后一列,即表达矩阵,并赋值给exp。这样就得到行名为基因名,列名为样本名的矩阵。

>dimnames=list(rownames(exp),colnames(exp))

#提取出exp的行名和列名。这里的dimnames就是矩阵创建matrix里面的参数,在数据结构矩阵那一节有讲。

>rt=matrix(as.numeric(as.matrix(exp)),nrow=nrow(exp),dimnames=dimnames)

#合并整个矩阵,得到一个行名为基因名,列名为样本名的表达矩阵。

>modType=c(rep("Control",3),rep("DN",3))

#构建分组模型,根据GSE1009样本的排列,前3个为正常样本,后3个为糖肾样本,构建一个分组的向量模型。

>design <- model.matrix(~0+factor(modType))

>colnames(design) <- c("Control","DN")

#创建线性模型。

#注意这里,在构建模型时,有一些数据集的处理组在前,对照组在后,且因为R里面默认的字符存储顺序为字母表顺序,如果处理组的首写字母的顺序在对照组的后面,构建模型时前三个又是处理组,那design出来的结果会上下调就完全相反。所以如果是这种情况的话,需要定义因子顺序。如:“modType=c(rep("DN",40),rep("Control",40))

design <- model.matrix(~0+factor(modType,levels = c("DN","Control"),ordered = F)).”



>fit <- lmFit(rt,design)

>cont.matrix<-makeContrasts(DN-Control,levels=design)

>fit2 <- contrasts.fit(fit, cont.matrix)

>fit2 <- eBayes(fit2)

>allDiff=topTable(fit2,adjust='fdr',number=200000)

#贝叶斯检验。

>diffSig <- allDiff[with(allDiff, (abs(logFC)>logFoldChange & adj.P.Val < adjustP )), ]

#根据筛选条件筛选出差异基因。

>diffUp <- allDiff[with(allDiff, (logFC>logFoldChange & adj.P.Val < adjustP )), ]

#筛选上调的基因。

>diffDown <- allDiff[with(allDiff, (logFC<(-logFoldChange) & adj.P.Val < adjustP )), ]

#筛选下调的基因。

##如果想把这些基因的结果输出,可以用write.table函数write.table(diffUp,file="up.xls",sep="\t",quote=F,row.names=F),要基因名字就把参数row.names设置为T.



##绘制热图

>group<-modType

#设置热图的分组。

>group<-as.data.frame(group)

>rownames(group)<-colnames(rt)

#按照分组,将rt的列名改为DN或control

>heat<-rt[rownames(rt) %in% c(head(rownames(subset(diffSig,diffSig$logFC>0)),20),head(rownames(subset(diffSig,diffSig$logFC<0)),20)),]

>library(pheatmap)

>x <- t(scale(t(heat)))

>pheatmap(x,annotation_col=group)

#绘制前20个基因的热图,自己调整基因数、图形颜色等等。





所有代码如下:





整个分析中的变量如下:


至此,DEGs分析以及火山图和热图就完啦,下一章是富集分析。

举报

相关推荐

0 条评论