day9-10

原创

用户11775359

发布于 2025-08-17 22:34:27

1860

day9

背景知识：

GPL文件学习：

Data table header descriptions：是芯片注释平台的表头描述

ID：是指探针的编号

probeset_id：表达集的探针编号

seqname：染色体名称

strand：是指正列还是负列

start：起始位置

stop：终止位置

total_probes：总的探针数目

gene_assignment：基因的描述

mrna_assignment：mrna的描述

swissprot：蛋白数据库的描述

category：种类

spot_ID:spot格式的ID

箱线图检查芯片数据，如果数据不齐：：normalize between array

当没有GPL 包的时候可以使用方法二：网站下站GPL.txt文件自己提取ID和symbol

day 10

一、差异基因聚类图火山图

1、聚类和分组的爱恨情仇：当聚类和分组呈现类似田字格时，说明选择的基因比较有代表性

2、不好分组的聚类分析结果可以放在文章里吗？不建议因为审稿人会问本质是选择的基因不太争气，处理方式可以取消热图聚类

聚类分析取消列的聚类后，可以单独把两组分别放在一次，参考洁笔记：https://www.jianshu.com/p/b94449be175a

富集分析需要symbol转换为entrezid，每种物种的使用的包不同

library(clusterProfiler)
library(org.Hs.eg.db)
s2e = bitr(deg$symbol, 
           fromType = "SYMBOL",
           toType = "ENTREZID",
           OrgDb = org.Hs.eg.db)#⭐Hs是人类,注意物种
#一部分基因没匹配上是正常的。只要物种正确，<30%的失败都没事。
#其他物种http://bioconductor.org/packages/release/BiocViews.html#___OrgDb
#⭐检查行数，减少太多说明不正常
##结果行数增加和减少都是正常的

二、富集分析

一个数据库中有多个基因集

一个基因集中有多个基因

kegg的通路和GO里的term都是基因集

rm(list = ls())  
load(file = 'step4output.Rdata')
library(clusterProfiler)
library(ggthemes)
library(org.Hs.eg.db)
library(dplyr)
library(ggplot2)
library(stringr)
library(enrichplot)

#(1)输入数据
gene_diff = deg$ENTREZID[deg$change != "stable"] 

#(2)富集
#⭐下面的三句都要注意物种
ekk <- enrichKEGG(gene = gene_diff,organism = 'hsa')
#其他物种https://www.genome.jp/kegg/catalog/org_list.html
ekk <- setReadable(ekk,OrgDb = org.Hs.eg.db,keyType = "ENTREZID")
#如果ekk是空的，这句就会报错，因为没富集到任何通路。
ego <- enrichGO(gene = gene_diff,OrgDb= org.Hs.eg.db,
                ont = "ALL",readable = TRUE)
#setReadable和readable = TRUE都是把富集结果表格里的基因名称转为symbol
class(ekk)

#(3)可视化
#barplot可以换成dotplot就改成气泡图了
barplot(ego, split = "ONTOLOGY") + 
  facet_grid(ONTOLOGY ~ ., space = "free_y",scales = "free_y") 
barplot(ekk)
#如果ekk中没有padj<0.05的通路，就会报错，因为只画padj<0.05,没有参数

# 更多资料---
# GSEA：https://www.yuque.com/docs/share/a67a180f-dd2b-4f6f-96c2-68a4b86fe862?#
# Y叔的书：http://yulab-smu.top/clusterProfiler-book/index.html
# GOplot：https://mp.weixin.qq.com/s/LonwdDhDn8iFUfxqSJ2Wew
# 网上的资料和宝藏无穷无尽，学好R语言慢慢发掘~

富集结果解读：

第一列：通路名

description 通路的描述

p值矫正p q值：富集结果是够显著

geneID 同时是差异基因和通路里面的基因

count：同理里有几个基因

GeneRatio: 通路中差异基因个数/差异基因中有多少被数据库收录

BgRatio 通路中有多少基因/数据库中所有通路总共有多少基因

可视化

柱状图barplot和气泡图dotplot

富集不到的补救措施

火山图横坐标log FC 范围一般是-13～13 太大可能没取log；太小可能多取了log ，或者数据本身不争气

part4-复杂数据及分析（都在GEO_learnmore 文件夹里以后慢慢学吧）

1.多分组

2.多数据联合分析

1）各自差异分析基因取交集

或者

2）先合并，后差异分析：

需要处理批次效应 Batch effect

不能选择一个数据全是处理组；一个全是对照组多数据合并；

函数：limma::removeBarchEffect(); sva::ComBat

3.加权共表达WGCNA

1）要求至少15样本

2）图1.软阈值图需要放进文章

背景知识：基因的网络应该满足无标度网络

3）图2.基因模块化（对基因进行聚类）

同一模块的基因通常有相似的功能

灰色的模块聚类失败没有背景知识分组表型等可概括

图3. 相关系数都是比较小数字小于0.5，相关性小，就不建议 WGCNA这种方法挑选基因

4.蛋白互作网络

B 站视频 cytoscape

ppt里面有具体操作步骤

5.网络药理学

有效成分——预测靶基因

后面有链接可以去学

批次效应可以通过PCA图和箱线图来识别，有就要去批次效应

摆脱弱者思维对自己进行积极的心里暗示，多找客观原因

引用至生信技能树小洁老师

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

学习笔记

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

学习笔记

登录后参与评论

0 条评论

热度

day9-10

day9-10

day9