GEO芯片数据下载和差异分析

#三个包同时加载
library(AnnoProbe)
library(GEOmirror)
library(GEOquery) 

#下载获取GSE13507数据 
gset=AnnoProbe::geoChina('GSE13255')
gset


#检查表达式集 
eSet=gset[[1]] # 提取表达矩阵 
probes_expr <- exprs(eSet)
dim(probes_expr) 
#如果样本已经进行了log2处理,这里就不需要再进行归一化
probes_expr=log2(probes_expr+1) #表达矩阵行log2+1归一化处理

## 对表达芯片的探针进行基因注释
(gpl=eSet@annotation) 
checkGPL(gpl) 
printGPLInfo(gpl)
probe2gene=idmap(gpl) #获得探针注释
genes_expr <- filterEM(probes_expr,probe2gene )
class(genes_expr)
write.table(genes_expr,file="genes_expr.txt",quote=F,sep = "\t")

保存后,对数据进行整理,只保留想要分析的样本数据。


如果样本已经进行了log2处理,这里就不需要再进行归一化

报错

没有的话就自己整理

下载平台注释文件

整理成如下的文件,然后自己替换探针名

自行替换,然后再分组做差异分析

anno=read.table("anno.txt",sep="\t",header=T,check.names=F)
probes_expr<-as.data.frame(probes_expr)
ID<-as.data.frame(rownames(probes_expr))
probes_expr<-cbind(ID,probes_expr)
colnames(probes_expr)[1]<-'ID'

common<-merge(anno,probes_expr,by='ID')
common<-common[,-1]
write.table(common,file="genes_expr.txt",quote=F,sep = "\t")

差异分析

## 分组
group_list=factor(c(rep('Normal',91),rep('Cancer',137))) #自己定义分组和数量
table(group_list)

#limma包差异分析
library(limma)
library(data.table)
rt<-fread("genes_expr.txt",sep="\t")
rt=as.matrix(rt)
rownames(rt)=rt[,1]
exp=rt[,2:ncol(rt)]
dimnames=list(rownames(exp),colnames(exp))
data=matrix(as.numeric(as.matrix(exp)),nrow=nrow(exp),dimnames=dimnames)
data=avereps(data)
data<-as.data.frame(data)
nrow(data)
data=data[rowMeans(data)>0.5,]


design=model.matrix(~factor(group_list))
design
fit=lmFit(data,design)
fit=eBayes(fit)
DEG=topTable(fit,coef=2,n=Inf)
head(DEG)
write.table(DEG,file="DEG.txt",quote=F,sep = "\t")

绘图

##############绘制火山图
need_deg=data.frame(symbols=rownames(DEG), logFC=DEG$logFC, p=DEG$P.Value)

deg_volcano(need_deg,1) #第一种图
deg_volcano(need_deg,1,logFC_thred = 0) #设置logFC范围
deg_volcano(need_deg,2) # 第二种图


#################热图
deg_heatmap(DEG,data,group_list)
deg_heatmap(DEG,data,group_list,5) #显示前5对,数字可以自己定义


###########箱图
check_diff_genes('TLR7',data,group_list)
check_diff_genes('TLR7',data,group_list)+
  stat_compare_means(method = "t.test") #加个P值,手到擒来

临床数据下载

临床数据从sangerbox里面进行下载
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,847评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,208评论 1 292
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,587评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,942评论 0 205
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,332评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,587评论 1 218
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,853评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,568评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,273评论 1 242
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,542评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,033评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,373评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,031评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,073评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,830评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,628评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,537评论 2 269

推荐阅读更多精彩内容