dw做框架网站,邢台网站建设哪家好,全国工程建设行业优秀网站,成功英语网站差异基因散点图绘制教程
本期教程 小杜的生信笔记#xff0c;自2021年11月开始做的知识分享#xff0c;主要内容是R语言绘图教程、转录组上游分析、转录组下游分析等内容。凡事在社群同学#xff0c;可免费获得自2021年11月份至今全部教程#xff0c;教程配备事例数据和相…差异基因散点图绘制教程
本期教程 小杜的生信笔记自2021年11月开始做的知识分享主要内容是R语言绘图教程、转录组上游分析、转录组下游分析等内容。凡事在社群同学可免费获得自2021年11月份至今全部教程教程配备事例数据和相关代码我们会持续更新中。 往期教程部分内容 绘图教程
导入所需R包
if (!require(ggplot2)) install.packages(ggplot2); library(ggplot2)
if (!require(DESeq2)) install.packages(DESeq2); library(DESeq2)
if (!require(biomaRt)) install.packages(biomaRt); library(biomaRt)
if (!require(GEOquery)) install.packages(GEOquery); library(GEOquery)
if (!require(vsn)) install.packages(vsn); library(vsn)
if (!require(pheatmap)) install.packages(pheatmap); library(pheatmap)导入数据
cts - read.csv(Input.data.csv,header T, row.names 1)差异分析
##分组
sample_type gsub(.*P7ma,Quiescent,gsub(.*P6ma,Cycling,colnames(cts)));
coldata data.frame(row.namescolnames(cts), phenotype sample_type ); #DESeq2差异分析
ddsMF - DESeqDataSetFromMatrix(countData cts, colData coldata, design ~ phenotype)
ddsMF - DESeq(ddsMF)
resultsNames(ddsMF) #get normalized counts标准化数据
nds - DESeqTransform( SummarizedExperiment(log2(counts(ddsMF, normalizedTRUE) 1), colDatacolData(ddsMF)) ) # this gives log2(norm_cts 1)
vsd - vst(ddsMF, blindFALSE) # variance stabilization创建data.frame数据矩阵
quiescent rownames(coldata)[coldata$phenotypeQuiescent]
cycling rownames(coldata)[coldata$phenotypeCycling]
data_cts_mets_avg data.frame(quiescentrowMeans(assay(vsd)[, quiescent],na.rmT),cyclingrowMeans(assay(vsd)[, cycling],na.rmT))绘图
##显著性差异基因
upCQ resCQ[!is.na(resCQ$padj) resCQ$padj 0.1 resCQ$log2FoldChange 1,]
dwCQ resCQ[!is.na(resCQ$padj) resCQ$padj 0.1 resCQ$log2FoldChange -1,]
dim(upCQ)
dim(dwCQ)plot(data_cts_mets_avg$quiescent, data_cts_mets_avg$cycling, pch20, xlabmRNA expression quiescent cells (Normalized counts), ylabmRNA expression cycling cells (Normalized counts),cex.lab1.3,colrgb(0.6,0.6,0.6,0.5));
abline(0,1,lty2,colblack);
points(data_cts_mets_avg[rownames(upCQ),quiescent], data_cts_mets_avg[rownames(upCQ),cycling],pch20,colcolors()[c(35)])
points(data_cts_mets_avg[rownames(dwCQ),quiescent], data_cts_mets_avg[rownames(dwCQ),cycling],pch20,colcolors()[c(125)])
legend(topleft,legendc(Up in Cycling,Down in Cycling),colcolors()[c(35,125)],pch20,inset0.01,btyn,cex1.2)若我们的教程对你有所帮助请点赞收藏转发这是对我们最大的支持。 差异基因散点图绘制教程
往期部分文章
1. 最全WGCNA教程替换数据即可出全部结果与图形 WGCNA分析 | 全流程分析代码 | 代码一 WGCNA分析 | 全流程分析代码 | 代码二 WGCNA分析 | 全流程代码分享 | 代码三 WGCNA分析 | 全流程分析代码 | 代码四 WGCNA分析 | 全流程分析代码 | 代码五(最新版本) 2. 精美图形绘制教程
精美图形绘制教程
3. 转录组分析教程 转录组上游分析教程[零基础] 一个转录组上游分析流程 | Hisat2-Stringtie
4. 转录组下游分析 批量做差异分析及图形绘制 | 基于DESeq2差异分析 GO和KEGG富集分析 单基因GSEA富集分析 全基因集GSEA富集分析 小杜的生信筆記 主要发表或收录生物信息学教程以及基于R分析和可视化包括数据分析图形绘制等分享感兴趣的文献和学习资料!!
