?? qPCRtools | 神仙R包分分鐘搞定你的qPCR實(shí)驗(yàn)結(jié)果！~

寫在前面

不知道大家都是怎么完成qPCR的計(jì)算的，在不會R的時(shí)候，我是用一個(gè)祖?zhèn)?/strong>的Excel表進(jìn)行計(jì)算的。??
但是，一直有個(gè)缺點(diǎn)，如果需要計(jì)算的量比較大時(shí)，就不方便了，去搜了一下文獻(xiàn)，發(fā)現(xiàn)了一個(gè)最近發(fā)表的R包，不僅可以計(jì)算反轉(zhuǎn)錄的RNA體積，還可以幫助選擇定量方法，簡直是神仙R包，本期就介紹一下它的使用吧。??
感謝原作者的開發(fā)，嘿嘿，文末有引用方法。??

用到的包

rm(list = ls())
library(tidyverse)
library(ggsci)
library(qPCRtools)
library(ggstatsplot)

計(jì)算反轉(zhuǎn)錄用的RNA體積

3.1 示例數(shù)據(jù)

包內(nèi)自帶了示例數(shù)據(jù)，這里我們就直接加載吧。??
df.1需要至少2列，sample和concentration，剩下的大家隨意。??
Note! 這里濃度默認(rèn)是ng/ul。??

df.1.path <- system.file("examples", "crtv.data.txt", package = "qPCRtools")

df.1 <- data.table::fread(df.1.path)

head(df.1)

Note! 這里我們的df.2文件至少要包含一個(gè)all的列，告訴R具體的反應(yīng)體積。??

df.2.path <- system.file("examples", "crtv.template.txt", package = "qPCRtools")

df.2 <- data.table::fread(df.2.path)

head(df.2)

3.2 開始計(jì)算

現(xiàn)在我們就知道每個(gè)sample該如何配置反轉(zhuǎn)路體積啦，Perfect!??
這里我們假設(shè)反轉(zhuǎn)1ug。??

result <- CalRTable(data = df.1, template = df.2, RNA.weight = 1)

head(result)

相對標(biāo)準(zhǔn)曲線和擴(kuò)增效率的計(jì)算

拿到新的Primers應(yīng)該先進(jìn)行擴(kuò)增效率的計(jì)算，一起看下怎么弄吧。??

4.1 示例數(shù)據(jù)

df.1包含至少2列，孔的位置和Cq值。??

df.1.path <- system.file("examples", "calsc.cq.txt", package = "qPCRtools")

df.1 <- data.table::fread(df.1.path)

head(df.1)

df.2包含至少2列，孔的位置和濃度。??

df.2.path <- system.file("examples", "calsc.info.txt", package = "qPCRtools")

df.2 <- data.table::fread(df.2.path)

head(df.2)

4.2 開始計(jì)算

Note! 大家注意一下這里的稀釋倍數(shù)，默認(rèn)是4，可以按需更改。??

CalCurve(
  cq.table = df.1,
  concen.table = df.2,
  lowest.concen = 4,
  highest.concen = 4096,
  dilu = 4,
  by = "mean"
) -> p

p[["table"]]

4.3 可視化

p[["figure"]] +
  theme_bw()+
  scale_color_npg()

使用相對標(biāo)準(zhǔn)曲線法計(jì)算基因表達(dá)水平

如果內(nèi)參基因和目的基因的擴(kuò)增效率不相等，我們就不能使用2-ΔΔCt法了，需要選擇無參的方法。??

5.1 示例數(shù)據(jù)

cq.table至少包含position和Cq值。??

df1.path <-  system.file("examples", "cal.exp.curve.cq.txt", package = "qPCRtools")

cq.table <-  data.table::fread(df1.path)

head(cq.table)

curve.table為標(biāo)準(zhǔn)曲線，可以通過前面介紹的方法計(jì)算得出。??

df2.path = system.file("examples", "cal.expre.curve.sdc.txt", package = "qPCRtools")

curve.table = data.table::fread(df2.path)

head(curve.table)

design.table需要包含position和相應(yīng)的信息，如干預(yù)、基因名等。 ??

df3.path = system.file("examples", "cal.exp.curve.design.txt", package = "qPCRtools")

design.table = data.table::fread(df3.path)

head(design.table)

5.2 開始計(jì)算

CalExpCurve(
  cq.table,
  curve.table,
  design.table,
  correction = TRUE,
  ref.gene = "OsUBQ",
  stat.method = "t.test",
  ref.group = "CK",
  fig.type = "box",
  fig.ncol = NULL) -> res

res[["table"]]

5.3 可視化

大家可以直接使用res[["figure"]]提取結(jié)果的可視化圖，這里我為了更加美觀，提取了數(shù)據(jù)進(jìn)行美化。??

res[["table"]] %>% 
  grouped_ggbetweenstats(y = expre,
                        x = Treatment,
                        grouping.var = Gene,
                        type = "nonparametric"
                         )

2-ΔΔCt法計(jì)算表達(dá)水平

數(shù)據(jù)準(zhǔn)備與上面的方法相似，這里就不做具體介紹了。??

6.1 示例數(shù)據(jù)

df1.path <-  system.file("examples", "ddct.cq.txt", package = "qPCRtools")

cq.table <-  data.table::fread(df1.path)

head(cq.table)

df2.path <-  system.file("examples", "ddct.design.txt", package = "qPCRtools")

design.table <-  data.table::fread(df2.path)

head(df.2)

6.2 開始計(jì)算

CalExp2ddCt(cq.table,
            design.table,
            ref.gene = "OsUBQ", ## 內(nèi)參
            ref.group = "CK", ## 對照
            stat.method = "t.test", ## 統(tǒng)計(jì)方法
            fig.type = "bar",
            fig.ncol = NULL) -> res

res[["table"]]

6.3 可視化

res[["table"]] %>% 
  grouped_ggbetweenstats(y = expre,
                        x = Treatment,
                        grouping.var = gene,
                        type = "nonparametric"
                         )

使用RqPCR方法計(jì)算表達(dá)水平

這種方法也是一種不需要內(nèi)參的計(jì)算方法，數(shù)據(jù)格式也是幾乎一樣的。

7.1 示例數(shù)據(jù)

df1.path <- system.file("examples", "cal.expre.rqpcr.cq.txt", package = "qPCRtools")

cq.table <- data.table::fread(df1.path, header = TRUE)

head(cq.table)

df2.path <- system.file("examples", "cal.expre.rqpcr.design.txt", package = "qPCRtools")

design.table <- data.table::fread(df2.path, header = TRUE)

head(design.table)

7.2 開始計(jì)算

CalExpRqPCR(cq.table,
           design.table,
           ref.gene = NULL,
           ref.group = "CK",
           stat.method = "t.test",
           fig.type = "box",
           fig.ncol = NULL
           ) -> res


res[["table"]]

7.3 可視化

res[["table"]] %>% 
  grouped_ggbetweenstats(y = Expre4Stat,
                        x = group,
                        grouping.var = gene,
                        type = "nonparametric"
                         )

引用

?? 如何引用：??

<font size=1>Li X, Wang Y, Li J, Mei X, Liu Y, Huang H. qPCRtools: An R package for qPCR data processing and visualization. Front Genet. 2022;13:1002704. Published 2022 Sep 13. doi:10.3389/fgene.2022.1002704</font>

<img src="https://upload-images.jianshu.io/upload_images/24475539-b51a7740af8c7645.png" alt="泡芙" style="zoom:25%;" />

<center>最后祝大家早日不卷!~</center>

點(diǎn)個(gè)在看吧各位~ ?.???? ??? ?

<center> <b>?? 往期精彩 <b> </center>

?? <font size=1>?? ComplexHeatmap | 顏狗寫的高顏值熱圖代碼！</font>
?? <font size=1>?? ComplexHeatmap | 你的熱圖注釋還擠在一起看不清嗎??？</font>
?? <font size=1>?? Google | 谷歌翻譯崩了我們怎么辦??？（附完美解決方案）</font>
?? <font size=1>?? scRNA-seq | 吐血整理的單細(xì)胞入門教程</font>
?? <font size=1>?? NetworkD3 | 讓我們一起畫個(gè)動態(tài)的?；鶊D吧~</font>
?? <font size=1>?? RColorBrewer | 再多的配色也能輕松搞定！~</font>
?? <font size=1>?? rms | 批量完成你的線性回歸</font>
?? <font size=1>?? CMplot | 完美復(fù)刻N(yùn)ature上的曼哈頓圖</font>
?? <font size=1>?? Network | 高顏值動態(tài)網(wǎng)絡(luò)可視化工具</font>
?? <font size=1>?? boxjitter | 完美復(fù)刻N(yùn)ature上的高顏值統(tǒng)計(jì)圖</font>
?? <font size=1>?? linkET | 完美解決ggcor安裝失敗方案（附教程）</font>
?? <font size=1>......</font>

本文由mdnice多平臺發(fā)布

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容