R语言进行TCGA配对样本差异基因分析

之前的一个推文是从UCSC XENA获取TCGA的表达和表型数据，然后利用代码对表达数据进行了ID注释，以及mRNA、lncRNA和miRNA的区分筛选，最后将患者ID和临床信息进行配比，用于后续分析。详细内容见推文：《利用R代码从UCSC XENA下载mRNA, lncRNA, miRNA表达数据并匹配临床信息》。

本期我将继续上次的内容，从TCGA 546个头颈癌数据集（Tumor = 502，Normal = 44）中，提取出43对癌和癌旁样本，并做配对差异分析， 然后绘制某个基因的配对箱式图。实际上TCGA好多癌症比如头颈癌、肝癌等，都有癌和癌旁的数据，且癌和癌旁都是一一配对的关系。所以在分析癌vs.癌旁的过程中，可以选择普通的差异分析，例如头颈癌的502个癌vs.44癌旁；另外一种思路是从中挑选出配对的癌vs.癌旁进行配对差异分析，例如头颈癌的43个癌vs.43个癌旁。实际上，同一个数据的非配对分析和配对分析差异还是很大的，详见我之前写过的一个帖子《差异分析|DESeq2完成配对样本的差异分析》。

关于DEseq2配对差异分析，很少有帖子涉及 (生信宝典注：不是很少有帖子涉及，而是看有没有发现，配对的个体信息可以视作一个批次因素，在DESeq2差异基因分析和批次效应移除,   高通量数据中批次效应的鉴定和处理 - 系列总结和更新,    典型医学设计实验GEO数据分析 (step-by-step) - Limma差异分析、火山图、功能富集中都有类似的处理方式)。

总结来说，拿到配对设计的数据，如果不进行配对分析而用常规的差异分析，这样的结果可能会大不相同。因此，在分析数据的时候，一定要明白实验设计。

下面代码展示了如何从546个样本中挑选出一一配对的癌和癌旁数据，并进行DEseq2配对差异分析。

首先，读入上期推文中处理好的表达矩阵（仅含mRNA）和表型数据。