基因课FTP地址：ftp://http://gsx.genek.tv/2020-3-10%E7%9B%B4%E6%92%AD%E4%B8%80%E4%B8%AA%E5%AE%8C%E6%95%B4%E7%9A%84%E8%BD%AC%E5%BD%95%E7%BB%84%E9%A1%B9%E7%9B%AE/
听张旭东老师的课
加载tidyverse
library(tidyverse)
导入数据 三张表
表达矩阵
gene_exp <- read.table('genes.TMM.EXPR.matrix', header = T, row.names = 1)样本信息表
| samples | strain | stage | 指标1 | 指标2 | 指标3 |
|---|---|---|---|---|---|
| BLO_S1_LD1 | BLO | S1 | 3.5 | 3.0 | 40 |
| BLO_S1_LD2 | BLO | S1 | 3.8 | 3.2 | 48 |
| BLO_S1_LD3 | BLO | S1 | 3.0 | 3.0 | 50 |
| BLO_S2_LD1 | BLO | S2 | 9.5 | 13.0 | 90 |
| BLO_S2_LD2 | BLO | S2 | 9.8 | 13.2 | 88 |
| BLO_S2_LD3 | BLO | S2 | 10.0 | 13.0 | 90 |
- 基因信息表
- Rstudio中导入数据时用 Comment选项跳过开头是 # 的行
- 信息数据不标准，需要进一步加工，所有建议导tibble的数据格式(Rstudio的Dataimport中第二项)，用readr R包
不要行名 —— 因为tibble格式没有行名 - 需要更换列名
%>%
select(Gene_Id = X1,
Gene_Symbol = X6,
GO = X7,
Ko = X9,
Pathway = X10,
COG = X21,
Gene_name = X22)
第一件事——样本相关性分析
cor(gene_exp) # 相关性计算
- 相关系数分类
- 皮尔森相关系数 pearson
线性相关 - 斯皮尔曼相关系数 spearman
等级相关 - 肯德尔相关系数 kendall
适用于离散变量、分类型变量的相关系数
- 皮尔森相关系数 pearson
- 举例
- 计算两个基因之间的相关系数，用皮尔森相关系数
- 肿瘤分期相关基因，分期之间是等级相关，用斯皮尔曼相关系数
- 哪些基因与性别相关，用肯德尔相关系数
- 计算样本相关系数，直接用皮尔森相关系数即可
- command
sample_cor <- round(cor(gene_exp) , digits = 2) # round保留两位小数
sample_cor <- round(cor(gene_exp, method = 'spearman') , digits = 2) # 可以指定相关系数算法
library(pheatmap)
pheatmap(sample_cor)
样本聚类分析
-
第一步：计算距离矩阵
样本两两之间，谁与谁的距离要算出来- sample_dist <- dist(t(gene_exp)) # dist算的是行之间的距离矩阵,所以需要将表达矩阵转置，t()表示转置
- "euclidean", 欧几里得距离矩阵，最常用
- "maximum",
第二步：聚类
层次聚类法
sample_hc <- hclust(sample_dist)
plot(sample_hc)
聚类方法简述 ?hclust可查看
single 最短聚类法； comlpete 最长聚类法(默认)； median 平均距离法; 进化树构建使用类似方法 = UPGMA
