12 初探肿瘤异质性

29 篇文章 257 订阅 ¥9.90 ¥99.00
本文探讨肿瘤异质性,主要分析了同一个病人SNV(单核苷酸变异)的分布。通过数据准备和可视化,展示每个病人不同样本间的共性和独特SNV位点。利用maftools的inferHeterogeneity函数,揭示了肿瘤样本的变异等位基因频率,以样本为单位进行了克隆分群,并计算了MATH值,为肿瘤的异质性研究提供了新的视角。
摘要由CSDN通过智能技术生成

12 初探肿瘤异质性

同一个病人的 SNV 分布

数据准备

首先还是同样的读入数据,进行一定的处理。我们同样用 VEP 注释后的 maf 文件,然后取出需要用到的几列

rm(list = ls())
options(stringsAsFactors = F)
library(dplyr)
library(stringr)
# 读入数据
laml = read.maf('./7.annotation/vep/VEP_merge.maf')
laml@data = laml@data[!grepl('^MT-', laml@data$Hugo_Symbol),] 
# 增加一列t_vaf,即肿瘤样本中突变位点的覆盖深度t_alt_count占测序覆盖深度t_depth的比值
laml@data$t_vaf = (laml@data$t_alt_count/laml@data$t_depth)
unique(laml@data$Tumor_Sample_Barcode)
getSampleSummary(laml) 
getGeneSummary(laml) 
getFields(laml)


mut = laml@data[laml@data$t_alt_count >= 5 &
                 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

正在输入中…………

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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