基因表达相关病例与对照

Question

我有77位癌症患者的基因表达数据。我有一套来自病人的血液，一套来自病人的肿瘤，一套来自病人的健康组织。

data1 <- ExpressionBlood
data2 <- ExpressionCancerTissue
data3 <- ExpressionHealtyTissue

我想做一个硒的分析，如果肿瘤组织中的表达与我所有基因在血液中的表达相关。做这件事最好的方法是什么？

Answer 1

如果您熟悉python，我将使用熊猫。它使用的"DataFrames“类似于R，所以您可以把这个概念应用到R中。

假设您的data1是一个分隔的文件，格式如下：

GeneName | ExpValue |
gene1       300.0
gene2       250.0

然后，您可以这样做，使每个数据类型进入一个DataFrame。

dfblood = pd.read_csv('path/to/data1',delimiter='\t')
dftissue = pd.read_csv('path/to/data2',delimiter='\t')
dftumor = pd.read_csv('path/to/data3',delimiter='\t')

现在，merge将DataFrame转换为一个主df。

dftmp = pd.merge(dfblood,dftissue,on='GeneName',how='inner')
df = pd.merge(dftmp,dftumor,on='GeneName',how='inner')

重命名您的列，请小心，以确保正确的顺序。

df.columns = ['GeneName','blood','tissue','tumor']

现在，您可以使用简单的命令来规范您的数据(如果还没有)。

df = df.set_index('GeneName') # allows you to perform computations on the entire dataset
df_norm = (df - df.mean()) / (df.max() - df.min())

您可以使用所有的df_norm.corr()来生成以下结果。但此时，如果需要，可以使用numpy执行更复杂的计算。

          blood      tissue       tumor
blood   1.000000    0.395160    0.581629
tissue  0.395160    1.000000    0.840973
tumor   0.581629    0.840973    1.000000

至少朝正确的方向移动。

编辑

如果要使用学生T的日志折叠更改，可以使用numpy.log计算原始数据的日志

import numpy as np

df[['blood','tissue','tumor']] = df[['blood','tissue','tumor']]+1
# +1 to avoid taking the log of 0
df_log = np.log(df[['blood','tissue','tumor']])

要获得每个基因的“log”折叠变化，这将为您的df_log DataFrame添加新的列。

df_log['logFCBloodTumor'] = df_log['blood'] - df_log['tumor']
df_log['logFCBloodTissue'] = df_log['blood'] - df_log['tissue']