外泌体相关基因肝癌临床模型预测——2-3分纯生信文章复现——02.数据格式整理（1）

  

内容如下：

1.外泌体和肝癌TCGA数据下载

2.数据格式整理

3.差异表达基因筛选

4.预后相关外泌体基因确定

5.拷贝数变异及突变图谱

6.外泌体基因功能注释

7.LASSO回归筛选外泌体预后模型

8.预后模型验证

9.预后模型鲁棒性分析

10.独立预后因素分析及与临床的相关性分析

11.列线图，ROC曲线，校准曲线，DCA曲线

12.外部数据集验证

13.外泌体模型与免疫的关系

14.外泌体模型与单细胞测序

############################## 02.数据格式整理 ###############################

 下面进行数据格式整理，把外泌体肝癌数据和正常数据合并，基因去重复，代码如下：

setwd("E:\\blog外泌体相关预测模型\\Figure 1")
dir()
tumor <- read.csv("HCC_longRNAs.txt",header = T,sep = "\t",row.names = 1)
tumor
normal <- read.csv("Healthy_longRNAs.txt",header = T,sep = "\t",row.names = 1)
normal

tumor[1:5,1:5]

# > tumor[1:5,1:5]
#         HCC001 HCC002 HCC003 HCC004 HCC005
#TSPAN6    2.164  4.998 11.937  0.637  0.493
#TNMD      0.000  8.281  4.719  0.000  0.278
#DPM1     47.537 44.734 76.324 56.452 87.807
#SCYL3     9.543  8.619 10.142 18.599  7.082
#C1orf112  9.869 15.751  4.138  4.983  8.319

注意这里用了代码row.name = 1，也就是第一列基因名读取直接为行名，如果有重复的基因的话是会报错的，这里没有报错，说明基因已经是唯一的了。下面我们判断肿瘤和正常外泌体数据行名是否相等，如果相等就可以合并在一起：

identical(rownames(tumor),rownames(normal))

data <- cbind(tumor,normal)
data[1:5,1:5]
max(data)


# > data[1:5,1:5]
#         HCC001 HCC002 HCC003 HCC004 HCC005
#TSPAN6    2.164  4.998 11.937  0.637  0.493
#TNMD      0.000  8.281  4.719  0.000  0.278
#DPM1     47.537 44.734 76.324 56.452 87.807
#SCYL3     9.543  8.619 10.142 18.599  7.082
#C1orf112  9.869 15.751  4.138  4.983  8.319
#> max(data)
#[1] 109279.6
 

行名相等，说明可以直接合并，这里看了一下max(data)，最大值为109279.6，说明这个数据还是TPM格式，在后续分析中我们最好将他变成log2(TPM+1)的格式，方便作图：

data <- log2(data+1)
data[1:5,1:5]
min(data)
max(data)



#> data[1:5,1:5]
#           HCC001   HCC002   HCC003    HCC004    HCC005
#TSPAN6   1.661750 2.584482 3.693431 0.7110543 0.5782142
#TNMD     0.000000 3.214280 2.515763 0.0000000 0.3538878
#DPM1     5.601013 5.515195 6.272844 5.8442852 6.4726015
#SCYL3    3.398214 3.265887 3.477936 4.2927081 3.0147124
#C1orf112 3.442147 4.066175 2.361207 2.5808691 3.2201752
#> min(data)
#[1] 0
#> max(data)
#[1] 16.73768

log2加权以后，最大值和最小值不会差的太多，后期作图会比较好看。

然后我们将外泌体数据读出来保存：

write.csv(data,"HCC_exosome.csv")

下一节是TCGA数据的处理。