转录组分析——差异表达分析

最新推荐文章于 2024-05-04 03:02:19 发布

xingyuan6

最新推荐文章于 2024-05-04 03:02:19 发布

阅读量7.8k

点赞数 2

文章标签：转录组差异表达分析

本文链接：https://blog.csdn.net/jingshuanghuakai/article/details/93493622

版权

1.数据的类型,数据名称为“GSE124133_gene_count_matrix.txt”
在这里插入图片描述
2.整理分类数据集condition type.txt，数据如下：

3.利用R语言中DESeq包进行差异表达分析

#查看R语言当前所在的文件夹
getwd()
#进入到数据所在的文件夹所在的路径（这一步很重要，如果不正确，可能导致数据文件无法正常的导入）
setwd("E:/shengwuxinxi/基因组重测序数据操作步骤/作业")
#如果以前没有使用过DESeq，则需要到Bioconductor上查找你的R版本所对应的安装包方式[Bioconductor](http://www.bioconductor.org/)
#加载安装包
library(DESeq)
library(cluster)
library(DESeq2)
#载入"GSE124133_transcript_count_matrix.txt“数据
database_all <- read.table(file = "GSE124133_transcript_count_matrix.txt", sep = "\t", header = T, row.names = 1)
head(database_all)
#载入分组情况文件condition type.txt
colDataMOTSHFD<-read.table("condition type.txt",header=T,sep="\t")
head(colDataMOTSHFD)
##DESeq利用进行差异表达分析分析
ddsMOTSHFD  <-  DESeqDataSetFromMatrix( countData = database_all, colData = colDataMOTSHFD, design =~sex+pdj+status)
dds <- DESeq(ddsMOTSHFD)
res <- results(dds)
resdata<merge(as.data.frame(res),as.data.frame(counts(dds,normalized=TRUE)),by="row.names",sort=FALSE)
head(resdata)
#将计算结果文件，导出表格形式
write.csv(resdata,file = "3-tumorous_v_survive.csv")

4.结果文件为，可以根据实验的具体情况对数据进行筛选，和处理
在这里插入图片描述
说明：本文数据来源于文献《Integrated analysis of lncRNA and mRNA repertoires in Marek’s disease infected spleens identifies genes relevant to resistance》