富集分析--R包--clusterProfiler下载安装与报错分析解决

        生信分析中富集分析是必不可少的,最常见是调用clusterProfiler包进行分析。clusterProfiler包功能也比较强大,主要是做GO和KEGG的功能富集及其可视化。

        但clusterProfiler包依赖的包很多,不仅安装过程复杂、耗时长,而且经常出现各种各样的错误。对于生信小白来说,错误很难解决。本文总结常见的报错。

        clusterProfiler包的安装:

        R version 3.6以上版本:

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("clusterProfiler")

        R version 3.6以下版本:

source("http://bioconductor.org/biocLite.R")
biocLite()
biocLite("clusterProfiler")

       按上述的方法安装很少出现问题了。

         安装报错的情况和解决办法:

1、clusterProfiler包使用有很多依赖包,经常出现依赖包安装失败情况(如下图)。解决办法也很简单:直接下载安装缺少的依赖包,下图的情况直接安装ggridges包,再library就可以正常使用。

 2、文件夹权限问题,导致部分文件不能读入。解决方法:需要重新设置R文件夹读入权限

 本人安装过程,出现这个报错,开始重新安装R和Rstudio也不行。最后升级为R-4.1.1版本终于在R中安装成功,但是在Rstudio中不能library(本人重新更改了包的安装路径)。最后在将下载完成的依赖包解压缩到Rstudio中发现部分文件不能读入,发现了权限问题。

! C:\Users\songyuyang\AppData\Local\Temp\RtmpGqkO4G\downloaded_packages\XVector_0.32.0.zip: 无法创建 F:\R-4.1.1\library\XVector\libs\x64\XVector.dll
  拒绝访问。
! C:\Users\songyuyang\AppData\Local\Temp\RtmpGqkO4G\downloaded_packages\zlibbioc_1.38.0.zip: 无法创建 F:\R-4.1.1\library\zlibbioc\libs\x64\zlib1bioc.dll
  拒绝访问。
! C:\Users\songyuyang\AppData\Local\Temp\RtmpGqkO4G\downloaded_packages\ape_5.5.zip: 无法创建 F:\R-4.1.1\library\ape\libs\x64\ape.dll
  拒绝访问。


解决办法:

        先进入自己的R安装位置,如我的为R-4.1.1,进入属性

         进入安全,在点击编辑,将所有的组或用户名全改为允许,在应用。

 最后按照文章开始下载clusterProfiler并安装,安装成功如下图:

  • 16
    点赞
  • 58
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
以下是WGCNA和bulk RNA-seq分析R语言代码: 首先,我们需要安装WGCNA: ``` install.packages("WGCNA") library(WGCNA) ``` 然后,我们需要读取RNA-seq数据并进行预处理: ``` # 读取表达矩阵 data <- read.table("expression.txt", header=T, row.names=1) # 转置矩阵 data <- t(data) # 删除无用基因 keep <- rowSums(data)>1 data <- data[keep,] # 对表达矩阵进行log2转换和标准化 data <- log2(data+1) data <- scale(data) ``` 接下来,我们使用WGCNA来构建共表达网络和进行模块识别: ``` # 构建共表达网络 powers <- c(1:10) sft <- pickSoftThreshold(data, powerVector=powers, verbose=5) power <- sft$powerEstimate # 构建共表达网络 net <- blockwiseModules(data, power, TOMType="signed", minModuleSize=30, reassignThreshold=0, mergeCutHeight=0.25, numericLabels=TRUE, pamRespectsDendro=FALSE, saveTOMs=TRUE, saveTOMFileBase="TOM") # 绘制模块-属性关联图 MEs <- net$MEs plotMEs(MEs, main="Module Eigengene Associations") ``` 最后,我们根据模块的基因表达模式进行功能注释和富集分析: ``` # 将模块的基因表达模式与外部信息进行关联 geneInfo <- read.csv("gene_info.csv") geneInfo <- geneInfo[keep,] geneInfo$module <- match(net$colors, colors) # 功能注释和富集分析 for (module in unique(geneInfo$module)) { moduleGenes <- names(which(geneInfo$module == module)) moduleData <- data[moduleGenes,] moduleAnnotation <- geneInfo[geneInfo$module == module,] moduleAnnotation <- moduleAnnotation[,-which(names(moduleAnnotation) == "module")] # 进行富集分析 moduleEnrichment <- enrichGO(moduleData, universe = rownames(data), OrgDb = "org.Hs.eg.db", ont = "BP", pvalueCutoff = 0.05, qvalueCutoff = 0.1, readable = TRUE) # 输出结果 cat(paste("Module", module, "enrichment analysis:\n")) print(moduleEnrichment) } ``` 这些代码可以帮助您开始使用WGCNA进行bulk RNA-seq数据分析

“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 2
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