- 博客(10)
- 收藏
- 关注
RSS订阅原创 clusterprofiler包进行GO与KEGG富集分析
RNA-seq寻找到差异基因后，对比GO与KEGG库进行差异分析rm(list = ls())options(stringsAsFactors = F)DEG <- read.csv('./DEGs_filter.csv', header = T, row.names = 1)gene <- DEG$Entrezidgenelist <- data.frame(DEG$Entrezid, DEG$log2FoldChange)head(genelist)dim(gen
2021-09-18 10:20:52
1445
原创 安装clusterProfiler包出错
> BiocManager::install("clusterProfiler")'getOption("repos")' replaces Bioconductor standard repositories, see'?repositories' for detailsreplacement repositories: CRAN: https://cran.rstudio.com/Bioconductor version 3.12 (BiocManager 1.30.16),.
2021-09-16 23:16:43
7896
5
原创 第1列与其他所有列的相关性分析，并做森林图与散点图
临床研究中，经常需要进行相关性分析，因此编写代码如下：rm(list = ls())options(stringsAsFactors = F)library(openxlsx)a <- read.xlsx('./AAV_analysis.xlsx', sheet = 1, colNames = T)## 将数据库中的数值转换为数值型for (i in 1:ncol(a)) { a[,i] <- as.numeric(a[,i])}## 计算相关性系数与p值liu
2021-09-16 20:25:17
627
原创 R语言Limma包分析RNA-seq数据
# 清空环境rm(list = ls())options(stringsAsFactors = F)# 读取counts矩阵counts <- read.csv('./UUO-Sham_count.csv', header = T, row.names = 1)counts <- counts[, -1]# 构建DGEList objectlibrary(edgeR)y <- DGEList(counts = counts)# Filtering: keep ge.
2021-09-09 22:19:44
2593
1
原创 RNA-seq 原始counts数据进行标准化
RNA-seq的counts数据一般要进行标准化才能进行下游分析，常见的有FPKM与TPM两种方式，现在已知counts数据与基因的长度，求FPKM与TPM，代码如下：rm(list = ls())options(stringsAsFactors = F)rawcount <- read.csv("./ALL_sample_gene_count.csv", header = T, row.names = 1)rawcount$gene_name <- rownames(rawcou.
2021-09-06 23:06:39
7475
3
原创 计算基因长度并替换gene名
#BiocManager::install('GenomicFeatures')library(GenomicFeatures)txdb <- makeTxDbFromGFF("./gencode.vM27.annotation.gtf",format="gtf")# 通过exonsBy获取每个gene上的所有外显子的起始位点和终止位点，然后用reduce去除掉重叠冗余的部分，最后计算长度 -----------exons_gene <- exonsBy(txdb, by = .
2021-09-05 23:48:03
1077
原创 R语言DEDeq2包进行RNA-seq分析总结
最近在学习DESeq2包进行RNA-seq分析，并画火山图，分析代码总结如下：rm(list = ls())options(stringsAsFactors = F)## 读入counts数据exprSet <- read.csv("./DEGs_spleen.csv", header = T, row.names = 1)exprSet <- exprSet[,-1]View(exprSet)## DESeq2进行差异分析suppressMessages(library
2021-09-05 18:38:31
1938
原创 RNA-seq中遇到的问题（2）
自己找公司进行RNA-seq测序，得到counts数据后，用DESeq2包进行差异分析，得到的结果log2FC, pvalue, padj与公司的结果差别很大，公司也是用的DESeq2包进行的分析。经过3天的寻找，终于找到了原因。在DESeq2包中进行差异分析，counts matrix只能包含需要比较的2组数据，如果还有其他组的数据，则会导致出来的结果有差异。如果一次测序分了3组以上，合适的做法是将大矩阵拆分为需要比较的2个组的小矩阵。进行DESeq2分析的代码如下：rm(list = ls
2021-09-03 23:20:54
765
原创 RNA-seq中遇到的问题（1）
在得到RNA-seq的counts数据后，需要进行标准化。标准化需要得到基因的长度信息，因此需要下载相应种属的GTF文件。在https://www.gencodegenes.org/上可以下载人和小鼠的GTF文件（在NCBI上下载的GTF文件运行出错，原因还没有找到）。然后用count2FPKM进行计算，代码如下library(GenomicFeatures)txdb <- makeTxDbFromGFF("./gencode.v38.annotation.gtf",format="gtf"
2021-09-03 22:38:49
701
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人