| 查看: 1173 | 回复: 1 | ||
13752585062新虫 (小有名气)
|
[求助]
R语言DESeq包已有1人参与
|
|
跪求R语言DESeq包分析rna差异性表达 发自小木虫IOS客户端 |
回复此楼» 猜你喜欢
为什么蛋白质氨基酸测定大家都测17种?
已经有5人回复
-
《灰分记：我与坩埚的“灰烬”之恋》
已经有3人回复
-
化学工程及工业化学论文润色/翻译怎么收费?
已经有54人回复
-
求助 食品检验工（基础知识），中国劳动社会出版社 电子版
已经有5人回复
-
胶体几丁质的结晶度？
已经有0人回复
-
诚挚招收全日制博士！！！中国农业科学院麻类研究所谭志坚研究员课题组招收博士
已经有2人回复
-
三甲基羟乙基丙二胺的合成路线
已经有5人回复
晋鹏
版主 (知名作家)
- MolEPI: 6
- 应助: 626 (博士)
- 贵宾: 0.096
- 金币: 27590.2
- 散金: 1052
- 红花: 288
- 沙发: 2
- 帖子: 5663
- 在线: 726.4小时
- 虫号: 1183978
- 注册: 2011-01-05
- 性别: GG
- 专业: 生物信息学
- 管辖: 农林
【答案】应助回帖
★ ★ ★ ★ ★ ★
感谢参与，应助指数 +1
西门吹雪170: 金币+6, 鼓励热心回帖交流 2017-08-03 07:44:07
感谢参与，应助指数 +1
西门吹雪170: 金币+6, 鼓励热心回帖交流 2017-08-03 07:44:07
|
简单讲一下DESeq2这个包如何用！ library(DESeq2) library(limma) library(pasilla) data(pasillaGenes) exprSet=counts(pasillaGenes) ##做好表达矩阵 group_list=pasillaGenes$condition##做好分组因子即可 (colData <- data.frame(row.names=colnames(exprSet), group_list=group_list)) dds <- DESeqDataSetFromMatrix(countData = exprSet, colData = colData, design = ~ group_list) ##上面是第一步第一步，构建dds这个对象，需要一个表达矩阵和分组矩阵！！！ dds2 <- DESeq(dds) ##第二步，直接用DESeq函数即可 resultsNames(dds2) res <- results(dds2, contrast=c("group_list","treated","untreated"  )## 提取你想要的差异分析结果，我们这里是treated组对untreated组进行比较 resOrdered <- res[order(res$padj),] resOrdered=as.data.frame(resOrdered) 可以看到程序非常好用！ 它只对RNA-seq的基因的reads的counts数进行分析，请不要用RPKM等经过了normlization的表达矩阵来分析。 值得一提的是DESeq2软件独有的normlization方法！ rld <- rlogTransformation(dds2) ## 得到经过DESeq2软件normlization的表达矩阵！ exprSet_new=assay(rld) par(cex = 0.7) n.sample=ncol(exprSet) if(n.sample>40) par(cex = 0.5) cols <- rainbow(n.sample*1.2) par(mfrow=c(2,2)) boxplot(exprSet, col = cols,main="expression value",las=2) boxplot(exprSet_new, col = cols,main="expression value",las=2) hist(exprSet) hist(exprSet_new) 本来应该是数据离散程度非常大的RNA-seq的基因的reads的counts矩阵经过normlization后变成了类似于芯片表达数据的表达矩阵，然后其实可以直接用T检验来找差异基因了！ |
2楼2017-08-02 21:59:15