图片ai 裸舞
关于生信论文ai 裸舞，大趋势是临床样本测序 生信考据 实验考据，因为高分论文皆是这样作念的。二代测序如故特别提高！TCGA数据库中存放了多样肿瘤临床标本的多组学数据，样本信息也特别全面，是肿瘤议论极为进攻的资源！只是是掌执在线器用如故无法得志个性化分析需求。因此，咱们应该掌执数据下载、惩处和可视化的表情。
图片
不良少妇TCGAbiolinks是官方唯独保举的专用下载及分析可视化一体的 R 包。TCGAbiolinks不错下载沿路的TCGA数据（除了受截止的）。除了老例的转录组数据，还包括甲基化数据、SNP数据、突变数据、临床信息等数据；还能进行数据分析，举例互异分析、生活分析、聚类分析等。此外，TCGAbiolinks还具有弘大的绘制功能，可绘制突变瀑布图等。图片
领先环境准备，获取数据，清洗数据。##########--------TCGA实操教程---------############## 加载 R 包，准备环境## install.packages('BiocManager')## BiocManager::install(c('SummarizedExperiment'，'TCGAbiolinks'))library(SummarizedExperiment)library(TCGAbiolinks)#### 获取数据query.exp <- GDCquery( project = 'TCGA-LUAD'， data.category = 'Transcriptome Profiling'， data.type = 'Gene Expression Quantification'， workflow.type = 'STAR - Counts'， sample.type = c('Primary Tumor'，'Solid Tissue Normal'))GDCdownload( query = query.exp， files.per.chunk = 100)luad.exp <- GDCprepare( query = query.exp， save = TRUE， save.filename = 'luadExp.rda')# 获取亚型信息infomation.subtype <- TCGAquery_subtype(tumor = 'LUAD')# 获取临床信息information.clinical <- GDCquery_clinic(project = 'TCGA-LUAD'， type = 'clinical') # 肿瘤样本samples.primary.tumour <- luad.exp$barcode[luad.exp$shortLetterCode == 'TP']# 对照样本samples.solid.tissue.normal <- luad.exp$barcode[luad.exp$shortLetterCode == 'NT']然后，互异分析，富集分析。##########--------互异分析---------##########dataPrep <- TCGAanalyze_Preprocessing( object = luad.exp， cor.cut = 0.6) # BiocManager::install(c('EDAseq'，'DESeq2'))dataNorm <- TCGAanalyze_Normalization( tabDF = dataPrep， geneInfo = geneInfoHT， method = 'gcContent') dataFilt <- TCGAanalyze_Filtering( tabDF = dataNorm， method = 'quantile'， qnt.cut = 0.25) # BiocManager::install('edgeR')dataDEGs <- TCGAanalyze_DEA( mat1 = dataFilt[，samples.solid.tissue.normal]， mat2 = dataFilt[，samples.primary.tumour]， Cond1type = 'Normal'， Cond2type = 'Tumor'， fdr.cut = 0.01 ， logFC.cut = 2， method = 'glmLRT'， pipeline = 'edgeR') 数据可视化，绘制火山图##########--------TCGA数据可视化--------########### 加载包library(tidyverse)library(ggplot2)matrix <- dataDEGs[dataDEGs$gene_type =='protein_coding'，]#### 用aggregate包，取最大值（横蛮保举）matrix <- aggregate( . ~ gene_name，data = matrix， max) rownames(matrix) <- matrix$gene_namecolnames(matrix) <- c('Symbol'， 'logFC'，'logCPM'，'LR'，'Pvalue'，'adj.P.Val'，'genetype')str(matrix) ## 字符型向量，无法进交运算allDiff <- as.data.frame(lapply(matrix[，c(2:6)]，as.numeric))rownames(allDiff) <- rownames(matrix)### 火山图xMax <- max(-log10(allDiff$adj.P.Val)) yMax <- max(abs(allDiff$logFC))library(ggplot2) ##可视化的关节包allDiff$change <- ifelse(allDiff$adj.P.Val < 0.05 & abs(allDiff$logFC) > 1， ifelse(allDiff$logFC > 1，'UP'，'DOWN')， 'NOT')table(allDiff$change)p1 <- ggplot(data = allDiff， aes(x = -log10(adj.P.Val)， y = logFC， color = change)) geom_point(alpha=0.8， size = 1) theme_bw(base_size = 15) theme(plot.title = element_text(hjust=0.5)， # 标题居中 panel.grid.minor = element_blank()， panel.grid.major = element_blank()) # 网格线征战为空缺 geom_hline(yintercept = 0 ，linetype = 2 ) scale_color_manual(name = ''， values = c('red'， 'blue'， 'black')， limits = c('UP'， 'DOWN'， 'NOT')) xlim(0，xMax) ylim(-yMax，yMax) labs(title = 'Volcano'， x = '-Log10(adj.P.Val)'， y = 'LogFC')p1### 好意思化火山图##数据整理和条目征战data0 <- allDiffdata1 <- data0 %>% rownames_to_column('Genes') #行名转为Genes为列名的一列data2 <- data1 %>% mutate(regulate = case_when(logFC >= 1 & adj.P.Val <= 0.05 ~ 'up'， logFC <= -1 & adj.P.Val <= 0.05 ~ 'down'， TRUE ~ 'NS')) ## 使用ggplot2包绘制火山图# 基本绘制library(ggplot2)ggplot(data2，aes(logFC，-log10(adj.P.Val))) geom_point() labs(x=expression(Log[2]*' Fold Change')， y=expression(-Log[10]*' (p value)')) #修改坐标轴定名细节# 好意思化绘制ggplot(data2，aes(logFC，-log10(adj.P.Val)， #分裂给正负显耀变化的基因在图中把柄热沈、大小标注出来 color=factor(regulate)， size=factor(regulate))) geom_point() labs(x=expression(Log[2]*' Fold Change')， y=expression(-Log[10]*' (p value)')) theme_grey(base_size = 15) scale_color_manual(values = c('blue'，'grey'，'red')) scale_size_manual(values = c(2，1，2)) theme(legend.title = element_blank()， #图例的征战参数 legend.position = 'right'， #标签位置为right legend.background = element_rect(fill='transparent'))通过上述代码，咱们就不错获取清洁数据和互异基因，进行后续分析了。
本站仅提供存储干事，扫数试验均由用户发布，如发现存害或侵权试验，请点击举报。