R语言零基础基因/数据差异分析

2024-03-28 13:38| 来源: 网络整理| 查看: 265

目录结果展示数据获取David数据获取David数据分析GO绘图MF绘图CC绘图BP绘图KEGG绘图注意，本系列有连贯性，每一步都很详细，每一步都很重要，请耐心读完！！

结果展示

Biological Process

Celluar Components Molecular Function KEGG kegg

数据获取 David数据获取

首先，将需要的基因进行复制如图，打开David所示按钮在侧边栏将基因粘贴上，并如下图选择基因类别。例如，我的基因类型Homo sapiens 分别勾选所示箭头的选项框。再点击下载Chart。之后会弹出新界面，点击下载，会弹出列表，利用组合键 Ctrl + A全选，Ctrl + C复制选择的内容到一个新建的文本下粘贴（Ctrl+V）即可。

David数据分析

用Excel打开刚刚复制粘贴的文件，对Category进行排序并保存。

GO绘图

新建一个Excel文件，将上图第一行头文件全复制下来。如图示。此文件保存，建议进行至少四次复制文件成不同文件并表明为kegg/bp/cc/mf以便数据分析吗，注意不能输入中文

MF绘图

选择所有包含GOTERM_MF_DIRECT的行的内容，粘贴到上述MF。

文件一定要另存为csv文件，并且地址不能包含中文！注意仔细查看代码

x = read.csv(file.choose(), stringsAsFactors = F) x = x[x$PValue GO_DATA = go_data[order(go_data$Count,decreasing = T),] GO_DATA=head(GO_DATA,10) p = ggplot(GO_DATA,aes(X.,Term)) bubble = p + geom_point(aes(size=Count,color=-log10(PValue))) bubble = bubble + scale_colour_gradient(low = "green",high="red") pr = bubble + theme_test(base_size = 16, base_rect_size = 1) pr = pr + labs(x="Gene Ratio",y=tern_name,title="Celluar Components")#注意这个引号内容 return(pr) } make_go(x_go, tern_name = "Celluar Components")#注意这个tern

BP代码

x = read.csv(file.choose(), stringsAsFactors = F) x = x[x$PValue GO_DATA = go_data[order(go_data$Count,decreasing = T),] GO_DATA=head(GO_DATA,10) p = ggplot(GO_DATA,aes(X.,Term)) bubble = p + geom_point(aes(size=Count,color=-log10(PValue))) bubble = bubble + scale_colour_gradient(low = "green",high="red") pr = bubble + theme_test(base_size = 16, base_rect_size = 1) pr = pr + labs(x="Gene Ratio",y=tern_name,title="KEGG")#注意这个引号内容 return(pr) } make_go(x_go, tern_name = "KEGG")#注意这个tern

【本文地址】

公司简介

联系我们