哈佛大学——差异表达分析（十二）可视化

最新推荐文章于 2024-09-08 15:10:26 发布

零级伪码农

最新推荐文章于 2024-09-08 15:10:26 发布

阅读量5.7k

点赞数

分类专栏： RNA-seq 笔记文章标签：生物信息学 r语言数据分析

本文链接：https://blog.csdn.net/weixin_46585008/article/details/109546509

版权

本文介绍了如何使用R语言进行生物信息学中的差异表达分析结果的可视化，包括DESeq2绘制单个基因表达、ggplot2绘制多个基因表达和热图、火山图等。通过实例展示了如何从DESeq2结果中提取数据，利用dplyr和tidyr进行数据处理，并用ggplot2进行美化，以便更好地理解和解释差异表达基因的表达模式。

摘要由CSDN通过智能技术生成

学习目标

使用数据可视化探索表达数据
使用火山图来评估DEG统计数据之间的关系
利用热图绘制重要基因的表达

结果可视化

当我们处理大量数据时，图形化地显示这些信息以获得更深入的了解是很有用的。在这节课中，我们将让你开始一些基本的和更高级的图形，通常用于探索差异基因表达数据，然而，这些图形中的许多也可以帮助可视化其他类型的数据。
我们将使用三个不同的数据对象，我们已经在早期的课程中创建:

我们示例的元数据(一个dataframe):meta
我们每个样本(一个矩阵)中每个基因的归一化表达数据:normalized_counts
我们在上一课中生成的DESeq2结果tibble版本:res_tableOE_tb和res_tableKD_tb

首先，让我们从数据框创建一个元数据tibble(不要丢失行名!)

mov10_meta <- meta %>% 
              rownames_to_column(var="samplename") %>% 
              as_tibble()

接下来，让我们将带有gene symbols的列引入normalized_counts对象，这样我们就可以使用它们来标记我们的图。Ensembl ID在很多方面都很有用，但作为生物学家，我们更容易识别这些gene symbols。

# DESeq2 creates a matrix when you use the counts() function
## First convert normalized_counts to a data frame and transfer the row names to a new column called "gene"
normalized_counts <- counts(dds, normalized=T) %>% 
                     data.frame() %>%
                     rownames_to_column(var="gene") 
  
# Next, merge together (ensembl IDs) the normalized counts data frame with a subset of the annotations in the tx2gene data frame (only the columns for ensembl gene IDs and gene symbols)
grch38annot <- tx2gene %>% 
               dplyr::select(ensgene, symbol) %>% 
               dplyr::distinct()

## This will bring in a column of gene symbols
normalized_counts <- merge(normalized_counts, grch38annot, by.x="gene", by.y="ensgene")

# Now create a tibble for the normalized counts
normalized_counts <- normalized_counts %>%
                     as_tibble()
  
normalized_counts

> normalized_counts
# A tibble: 57,761 x 10
   gene      Irrel_kd_1 Irrel_kd_2 Irrel_kd_3 Mov10_kd_2 Mov10_kd_3 Mov10_oe_1 Mov10_oe_2 Mov10_oe_3 symbol
   <chr>          <dbl>      <dbl>      <dbl>      <dbl>      <dbl>      <dbl>      <dbl>      <dbl> <chr> 
 1 ENSG0000~   3925.       3794.      3961.      3952.      3941.      2727.       2730.     3178.   TSPAN6
 2 ENSG0000~     24.2        30.2       30.7       23.7       13.9       20.4        33.3      33.6  TNMD  
 3 ENSG0000~   1326.       1341.      1180.      1515.      1432.      1542.       1548.     1943.   DPM1  
 4 ENSG0000~    456.        422.       476.       597.       610.       527.        518.      541.   SCYL3 
 5 ENSG0000~   1250.       1212.      1134.      1389.      1300.       965.        999.     1029.   C1orf~
 6 ENSG0000~      0.897       1.04       0          1.28       0          0           0         0    FGR   
 7 ENSG0000~     19.7        18.7        9.34      10.2        2.14       7.34       17.5       6.11 CFH   
 8 ENSG0000~   2922.       2705.      2642.      2942.      2971.      2397.       2786.     2544.   FUCA2