【生信学习笔记】差异分析如何解决DESeq中

先来观察一下完整流程

library(DESeq2)
DESeq2group<-c(data[,3])
#DESeq2group<-c(rep("Control",15),rep("AD",10))

#或者
colData<-data.frame(row.names =names(testing),
                    condition=factor(DESeq2group,levels = c("Control","AD")))
dds<-DESeqDataSetFromMatrix(countData =sapply(test,as.integer),colData = colData,design=~condition)

dds<-dds[rowSums(counts(dds))>1,]

dds<-DESeq(dds)

res2<-results(dds)

res2<-as.data.frame(res2)

#test=as.data.frame(testing)

#先as.data.frame, 直接numeric会将数据降维

#dda<-DESeqDataSetFromMatrix(countData =sapply(test,as.integer),colData = colData,design=~condition)

#sapply和as.integer用来解决数据类型问题

如有错误请大佬多多指正

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Docker 是一种容器化技术,可以用于生物信息学学习和实践。生物信息学是研究基因组、蛋白质组、代谢组以及与生物学相关的大量数据的学科。在生物信息学,研究人员需要使用各种软件工具进行序列分析、结构预测、基因组注释等工作。传统上,这些工具需要手动在本地环境进行安装和配置,容易出现软件版本依赖和环境冲突等问题。而使用 Docker 可以将这些工具及其依赖项打包到一个容器,形成一个独立的、可移植的软件环境。这样,研究人员可以在不同的计算机上快速部署、运行这些工具,避免了繁琐的安装和配置过程。 在知乎上,有许多关于 Docker 和生物信息学的学习资源可以获取。在知乎上,有许多生物信息学领域的专家和爱好者分享了他们的经验和知识。他们可以回答关于 Docker 在生物信息学的应用、使用技巧、最佳实践等问题。通过阅读和参与这些问题和讨论,我们可以了解到 Docker 在生物信息学的作用和优势,学习如何使用 Docker 来进行生物信息学研究,以及如何构建和共享自己的 Docker 容器。 在知乎上,我们可以找到许多有关 Docker 生物信息学的话题和文章。这些文章介绍了如何使用 Docker 来搭建生物信息学工作环境,如何使用 Docker 来运行常见的生物信息学软件工具,以及 Docker 在高通量数据分析的应用等。通过阅读这些文章,我们可以深入了解 Docker 在生物信息学学习的应用场景和实践经验,帮助我们更好地应用 Docker 来解决生物信息学研究的问题。 总之,Docker 在生物信息学学习具有重要的作用。通过在知乎上查找相关话题和文章,我们可以学习和分享 Docker 在生物信息学的应用经验和最佳实践,提高生物信息学研究的效率和准确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值