################################
## 2020/10/05 DES analysis
setwd("E:/RNAseq/")
library(DESeq2)
library(apeglm)
library(ashr)
# 1. 构建dds
mycounts <- read.table(file = paste0( "gene_all.counts.matrix"),
header = T,
sep = "\t",
quote = "",
check.names = F)
head(mycounts)
rownames(mycounts) <- mycounts[,1]
mycounts <- mycounts[,-1] ## 这里要注意一定要删掉第一列第一行的那个空格或文字
condition <- factor(c(rep("h",3),rep("L",3)), levels = c("h","L"))
colData <- data.frame(row.names = colnames(mycounts), condition)
# 2. DESeq流程
dds <- DESeqDataSetFromMatrix(mycounts, colData, design= ~ condition)
dds <- DESeq(dds)
res <- results(dds)
head(res)
head(as.data.frame(res))
# sort by p.adj
res <- res[orde
DEseq-R,差异基因分析
最新推荐文章于 2024-09-08 23:20:45 发布
本文介绍如何利用R中的DESeq2包进行差异基因表达分析,包括数据预处理、统计测试和结果解释,帮助理解生物信息学中的差异表达研究。
摘要由CSDN通过智能技术生成