手把手教学差异表达基因分析

2023-08-26 04:13| 来源: 网络整理| 查看: 265

文章目录引言安装并导入DESeq2包数据要求制作dds对象，进行差异分析筛选差异基因完整代码其他问题

引言

对于组学分析来说，常常会寻找组间的差异，例如差异基因（转录组）、差异菌（宏基因组）以及差异通路（宏基因组），而转录组分析上最为经典的DESeq2包对于以上分析也都适用 DESeq最早在2010年发表在Genome Biology上，2014年上更新版本DESeq2。DESeq2是基于负二项广义线性模型估算样本间基因差异表达概率，既适于有生物学重复的也适于没有生物学重复的样本，同时除了在转录组学，在宏基因组上使用DESeq2计算差异菌的也有报道在这里插入图片描述

安装并导入DESeq2包

DESeq2包目前需要依赖BiocManager包，该包用于管理bioconductor项目中的所有包，因此首先安装该包

# 1.判断是否有BiocManager包，若不存在则安装 options(repos=structure(c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))) #设置清华镜像，加速下载 if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") if (!requireNamespace("DESeq2", quietly = TRUE)) BiocManager::install('DESeq2') #通过BiocManager安装DESeq2 library(DESeq2) #加载library

由于DESeq2包较大，安装时间较长，当导入后没有任何报错即为安装成功

数据要求 1.基因表达矩阵行为基因，列为样本，需要注意表达数据为原始reads count，DESeq2内部会根据样本大小对counts进行调整，自带标准化过程，不要使用标准化后的FPKM或TPM 在这里插入图片描述

2.样本分组信息样品信息，第一列是样品名称，第二列是样品的处理情况（对照还是处理等），即condition，condition的类型是一个factor，第三列可添加其他信息（可选）。需要自己根据临床/实验分组信息单独建立在这里插入图片描述

制作dds对象，进行差异分析

想要进行差异分析，首先需要生成DESeq2必须的数据类型，即dds类型数据，DESeq2包使用DESeqDataSet(dds)作为存放count数据及分析结果的对象，每个DESeqDataSet(dds)对象都必须由以下三者：

countData，存放counts matrix的对象colData，存放分组信息和处理信息的对象design公式，对应sample的分组信息，需要以~ 波浪字符进行连接，而不同的信息之间需要以+连接，示例:design=~variable_1 + variable_2 这些分组信息会被用来估算离散度和估算Log2 fold change的模型注意，为了方便起见，在默认参数下，用户应该把感兴趣的分组信息放在formula的最后，并且确认control组的level是第一个（因子的level，见R语言基础视频） ## 制作dds对象，构建差异基因分析所需的数据格式 dds

【本文地址】

公司简介

联系我们