目录
1. 背景知识版本说明：2. 计算原理3. 安装包（环境安装）4. 比对过程4.1比对前准备4.2制作差异矩阵4.3 **差异比较**1. 背景知识
本记录主要是使用DESeq2 包进行差异包表达分析。如有错误敬请指正。
版本说明：
R 语言是4.2.0版本，对应的BiocManager是3.15版本。
注意部分依赖包是由R4.2.1建造，可能会有问题。
2. 计算原理
3. 安装包（环境安装）
我们采用的是BiocManager安装DESeq2包
if (!require("BiocManager", quietly = TRUE))install.packages("BiocManager")BiocManager::install(version = "3.15")BiocManager::install("DESeq2")BiocManager::install("dplyr")
4. 比对过程
4.1比对前准备
加载相关包
library(DESeq2)library(dplyr)
按照包的要求，制作输入数据，首先，导入Counts数据矩阵
countdata <-read.table("D:/Bin/R/1027/diff.txt",header = T,row.names = 1)
过滤在所有重复样本中小于1的基因
## 过滤在所有重复样本中小于1的基因countdata = countdata[rowMeans(countdata) > 1,]## 样本注释信息自己在本地后制作后进行导入coldata <- read.csv("D:/Bin/R/1027/countdata.csv", header = T, row.names = 1)head(coldata)
检查数据Counts文件与coldata数据是否匹配
##检查数据Counts文件与coldata数据是否匹配## 当返回TRUE时，表明两个数匹配。all(rownames(coldata) %in% colnames(countdata)) all(rownames(coldata) == colnames(countdata))
4.2制作差异矩阵
dds <-DESeqDataSetFromMatrix(countData = countdata,colData = coldata,design = ~ condition)dim(dds)
过滤
## 过滤dds <- dds[rowSums(counts(dds)) > 1,] nrow(dds)
4.3差异比较
## 差异比较dep <- DESeq(dds)res <- results(dep)diff = resdiff <- na.omit(diff) ## 去除NAdim(diff)write.csv(diff, "all_diff.csv") # 导出所有的差异文件
设置筛选标准
# 设置筛选标准foldChange <- 0.42padj = 0.05#diffsig <- diff[(diff$pvalue < padj & abs(diff$log2FoldChange) > foldChange),]dim(diffsig)write.csv(diffsig, "All_diffsig.csv")
标准化
## 标准化(标准化Counts值) vsd <- vst(dds, blind = FALSE)normalizeExp <- assay(vsd)
