首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >转录组测序火山图_转录组差异基因筛选标准

转录组测序火山图_转录组差异基因筛选标准

作者头像
全栈程序员站长
发布2022-09-27 11:05:24
发布2022-09-27 11:05:24
1.1K0
举报

大家好,又见面了,我是你们的朋友全栈君。


利用R包DEseq2进行差异表达分析和可视化


首先附上文献中的坚定差异基因的流程图。

count数矩阵

  • 在Linux下,通过HISAT2 对fastq数据文件进行比对,FeatureCounts软件进行基因水平定量,得到count数矩阵。之后便可以载入R语言中进行差异分析。

差异分析

  • 第一次分析RNA-seq数据,走到这一步相对容易了许多。转录组数据分析主要参考了生信技能树Jimmy老师的相关课程及推文。
  • RNA-seq的read count普遍认为符合泊松分布,但是之前分析过的芯片数据符合正态分布,所以筛选DEGs的方法有一定差别。

1. 安装并载入R包

代码语言:javascript
复制
# 设置R语言镜像
# options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor/")
# options("repos" = c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
# 安装R包
# if(!require(c("ggthemes","ggpubr","ggthemes","ggrepel"))) install.packages(c("ggthemes","ggpubr","ggthemes","ggrepel"))
# BiocManager::install("DESeq2")
代码语言:javascript
复制
#载入R包
suppressPackageStartupMessages(library(DESeq2))
suppressPackageStartupMessages(library(ggpubr))
suppressPackageStartupMessages(library(ggplot2))
suppressPackageStartupMessages(library(ggrepel))
suppressPackageStartupMessages(library(ggthemes))

2. count数矩阵导入并对矩阵进行数据处理

代码语言:javascript
复制
exprset <- read.table("RNA-seq_counts_matrix.csv",sep = ",",header = T,check.names = F)
rownames(exprset) <- exprset[,1]
exprset <- exprset[,-1]
exprset <- exprset[apply(exprset,1,function(x) sum(x > 1) > 1),] #先判断值是否为0,得到逻辑值,再取和,判断0的个数是否小于3
dim(exprset)
# 7428    4
head(exprset)

head(exprset)

control1

control2

treat1

treat2

ENSMUSG00000000028

27

0

0

6

ENSMUSG00000000088

124

268

87

313

ENSMUSG00000000094

5

12

2

0

ENSMUSG00000000131

17

5

6

5

ENSMUSG00000000134

23

79

0

1

ENSMUSG00000000142

6

10

0

0

3. 查看样本相关性并采用热图展示

代码语言:javascript
复制
expcor <- cor(exprset, method = "spearman")
head(expcor)
pheatmap::pheatmap(expcor, clustering_method = "average",
                   treeheight_row = 0,treeheight_col = 0,
                   display_numbers = T)

expcor data

control1

control2

treat1

treat2

control1

1.0000000

0.7089970

0.2366665

0.0209855

control2

0.7089970

1.0000000

0.2990182

0.0866515

treat1

0.2366665

0.2990182

1.0000000

0.4533486

treat2

0.0209855

0.0866515

0.4533486

1.0000000

热图展示

4. hclust对样本进行聚类分析

代码语言:javascript
复制
# t_exprset <- t(exprset)
# t_exprset <- t_exprset[,names(sort(apply(t_exprset,2,mad),decreasing = T))[1:500]]
# out.dist <- dist(t_exprset,method = 'euclidean')
# out.hclust <- hclust(out.dist,method = 'complete')
# rect.hclust(out.hclust,k=3)
# plot(out.hclust,xlab = "",main = "")

5. 构建原始dds矩阵并保存为Rdata对象

代码语言:javascript
复制
group_list <- factor(c(rep("untrt",2),rep("trt",2))) #因子型变量
group_list
table(group_list)
## group_list
##   trt untrt 
##     2     2
colData <- data.frame(row.names = colnames(exprset),
                        group_list = group_list)
colData
dds <- DESeqDataSetFromMatrix(countData = exprset,
                               colData = colData,
                               design = ~group_list) #~在R里面用于构建公式对象,~左边为因变量,右边为自变量。
head(dds)
## class: DESeqDataSet 
## dim: 6 4 
## metadata(1): version
## assays(1): counts
## rownames(6): ENSMUSG00000000028 ENSMUSG00000000088 ...
##   ENSMUSG00000000134 ENSMUSG00000000142
## rowData names(0):
## colnames(4): control1 control2 treat1 treat2
## colData names(1): group_list
tem_f <- 'RNA-seq_DESeq2-dds.Rdata'

colData

group_list

control1

untrt

control2

untrt

treat1

trt

treat2

trt

6. 原始dds矩阵标准化并保存

代码语言:javascript
复制
if (!file.exists(tem_f)) {
    dds <- DESeq(dds) # 标准化
    save(dds,file = tem_f)
  }
load(file = tem_f)
# 结果用`result()`函数提取
res <- results(dds,
              contrast = c("group_list","untrt","trt")) # 差异分析结果
resOrdered <- res[order(res$padj),] # 对结果按照调整后的p值进行排序
head(resOrdered)
summary(res)
## 
## out of 7428 with nonzero total read count
## adjusted p-value < 0.1
## LFC > 0 (up)       : 465, 6.3%
## LFC < 0 (down)     : 507, 6.8%
## outliers [1]       : 0, 0%
## low counts [2]     : 2160, 29%
## (mean count < 4)
## [1] see 'cooksCutoff' argument of ?results
## [2] see 'independentFiltering' argument of ?results

head(resOrdered)

baseMean

log2FoldChange

lfcSE

stat

pvalue

padj

ENSMUSG00000061787

1308.2358

-9.456575

1.564545

-6.044298

0e+00

3.60e-06

ENSMUSG00000064370

1304.1697

-13.689071

2.284209

-5.992916

0e+00

3.60e-06

ENSMUSG00000096745

667.1955

-12.722138

2.066186

-6.157306

0e+00

3.60e-06

ENSMUSG00000096363

320.2598

-11.663243

2.067930

-5.640056

0e+00

2.24e-05

ENSMUSG00000031504

229.8465

-11.184637

2.077845

-5.382805

1e-07

4.24e-05

ENSMUSG00000038900

583.4616

-8.543657

1.597311

-5.348775

1e-07

4.24e-05

7. 提取差异分析的结果

代码语言:javascript
复制
DEG <- as.data.frame(resOrdered)
DESeq2_DEG <- na.omit(DEG)
diff <- subset(DESeq2_DEG,pvalue < 0.05) #先筛选P值
up <- subset(diff,log2FoldChange > 2) #上调
down <- subset(diff,log2FoldChange < -2) #下调
#可利用`write.csv()`函数保存文件

8. 绘制火山图

代码语言:javascript
复制
DEG_data <- DESeq2_DEG
DEG_data$logP <- -log10(DEG_data$padj) # 对差异基因矫正后p-value进行log10()转换
dim(DEG_data)
## [1] 5268    7
#将基因分为三类:not-siginficant,up,dowm
#将adj.P.value小于0.05,logFC大于2的基因设置为显著上调基因
#将adj.P.value小于0.05,logFC小于-2的基因设置为显著上调基因
DEG_data$Group <- "not-siginficant"
DEG_data$Group[which((DEG_data$padj < 0.05) & DEG_data$log2FoldChange > 2)] = "up-regulated"
DEG_data$Group[which((DEG_data$padj < 0.05) & DEG_data$log2FoldChange < -2)] = "down-regulated"
table(DEG_data$Group)
## 
##  down-regulated not-siginficant    up-regulated 
##             336            4659             273
DEG_data <- DEG_data[order(DEG_data$padj),]#对差异表达基因调整后的p值进行排序
#火山图中添加点(数据构建)
up_label <- head(DEG_data[DEG_data$Group == "up-regulated",],1)
down_label <- head(DEG_data[DEG_data$Group == "down-regulated",],1)
deg_label_gene <- data.frame(gene = c(rownames(up_label),rownames(down_label)),
                                label = c(rownames(up_label),rownames(down_label)))
DEG_data$gene <- rownames(DEG_data)
DEG_data <- merge(DEG_data,deg_label_gene,by = 'gene',all = T)
#不添加label
ggscatter(DEG_data,x = "log2FoldChange",y = "logP",
          color = "Group",
          palette = c("green","gray","red"),
          repel = T,
          ylab = "-log10(Padj)",
          size = 1) + 
  theme_base()+
  scale_y_continuous(limits = c(0,8))+
  scale_x_continuous(limits = c(-18,18))+
  geom_hline(yintercept = 1.3,linetype = "dashed")+
  geom_vline(xintercept = c(-2,2),linetype = "dashed")
代码语言:javascript
复制
#添加特定基因label
ggscatter(DEG_data,x = "log2FoldChange",y = "logP",
          color = "Group",
          palette = c("green","gray","red"),
          label = DEG_data$label,
          repel = T,
          ylab = "-log10(Padj)",
          size = 1) + 
  theme_base()+
  theme(element_line(size = 0),element_rect(size = 1.5))+ #坐标轴线条大小设置
  scale_y_continuous(limits = c(0,8))+
  scale_x_continuous(limits = c(-18,18))+
  geom_hline(yintercept = 1.3,linetype = "dashed")+
  geom_vline(xintercept = c(-2,2),linetype = "dashed")

9. 简单gene ID转换

对于初学者来说如果要对gene ID进行转换,可利用Ensembl数据库的BioMart工具。因为相对于R包biomaRt,界面化的操作更加易懂,快捷。BioMart网页工具的原始界面如下所示:

代码语言:javascript
复制
  其中左侧菜单栏分别是Dataset--选择相关物种参考基因组;
  Filters--选择数据gene ID的类型,并输入gene ID,也存在其他类型的ID输入;
  Attributes--选择需要输出的ID类型;
  点击Result可以输出结果,并且支持文件下载。

  • 第一次写推文,请大家多提宝贵意见!
  • ##如有侵权请联系作者删除!

参考文件

[1] https://mp.weixin.qq.com/s/uDnFJC0szOHtO2NqREz2wA

[2] https://www.jianshu.com/p/3a0e1e3e41d0

[3] https://www.bioconductor.org/help/workflows/RNAseq123/

[4] https://www.bioconductor.org/help/workflows/rnaseqGene/

[5] http://www.biotrainee.com/forum.phpmod=viewthread&tid=1750#lastpost

[6] https://mp.weixin.qq.com/s/ZYB06Yudck2hD0qWJKJcwQ

发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/179207.html原文链接:https://javaforall.cn

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除
目录
  • 利用R包DEseq2进行差异表达分析和可视化
  • count数矩阵
  • 差异分析
    • 1. 安装并载入R包
    • 2. count数矩阵导入并对矩阵进行数据处理
    • 3. 查看样本相关性并采用热图展示
    • 4. hclust对样本进行聚类分析
    • 5. 构建原始dds矩阵并保存为Rdata对象
    • 6. 原始dds矩阵标准化并保存
    • 7. 提取差异分析的结果
    • 8. 绘制火山图
    • 9. 简单gene ID转换
  • 参考文件
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档