基因課FTP地址：ftp://http://gsx.genek.tv/2020-3-10%E7%9B%B4%E6%92%AD%E4%B8%80%E4%B8%AA%E5%AE%8C%E6%95%B4%E7%9A%84%E8%BD%AC%E5%BD%95%E7%BB%84%E9%A1%B9%E7%9B%AE/
聽(tīng)張旭東老師的課

加載tidyverse

library(tidyverse)

導(dǎo)入數(shù)據(jù) 三張表

• 表達(dá)矩陣
  gene_exp <- read.table('genes.TMM.EXPR.matrix', header = T, row.names = 1)

• 樣本信息表

• 基因信息表
  • Rstudio中導(dǎo)入數(shù)據(jù)時(shí)用 Comment選項(xiàng)跳過(guò)開(kāi)頭是 # 的行
  • 信息數(shù)據(jù)不標(biāo)準(zhǔn)，需要進(jìn)一步加工，所有建議導(dǎo)tibble的數(shù)據(jù)格式(Rstudio的Dataimport中第二項(xiàng))，用readr R包
    不要行名 —— 因?yàn)閠ibble格式?jīng)]有行名
  • 需要更換列名
    %>%
    select(Gene_Id = X1,
    Gene_Symbol = X6,
    GO = X7,
    Ko = X9,
    Pathway = X10,
    COG = X21,
    Gene_name = X22)

第一件事——樣本相關(guān)性分析

cor(gene_exp) # 相關(guān)性計(jì)算

• 相關(guān)系數(shù)分類(lèi)
  • 皮爾森相關(guān)系數(shù) pearson
    線性相關(guān)
  • 斯皮爾曼相關(guān)系數(shù) spearman
    等級(jí)相關(guān)
  • 肯德?tīng)栂嚓P(guān)系數(shù) kendall
    適用于離散變量、分類(lèi)型變量的相關(guān)系數(shù)
• 舉例
  • 計(jì)算兩個(gè)基因之間的相關(guān)系數(shù)，用皮爾森相關(guān)系數(shù)
  • 腫瘤分期相關(guān)基因，分期之間是等級(jí)相關(guān)，用斯皮爾曼相關(guān)系數(shù)
  • 哪些基因與性別相關(guān)，用肯德?tīng)栂嚓P(guān)系數(shù)
• 計(jì)算樣本相關(guān)系數(shù)，直接用皮爾森相關(guān)系數(shù)即可
• command
  sample_cor <- round(cor(gene_exp) , digits = 2) # round保留兩位小數(shù)
  sample_cor <- round(cor(gene_exp, method = 'spearman') , digits = 2) # 可以指定相關(guān)系數(shù)算法
  library(pheatmap)
  pheatmap(sample_cor)

樣本聚類(lèi)分析

• 第一步：計(jì)算距離矩陣
  樣本兩兩之間，誰(shuí)與誰(shuí)的距離要算出來(lái)

  • sample_dist <- dist(t(gene_exp)) # dist算的是行之間的距離矩陣,所以需要將表達(dá)矩陣轉(zhuǎn)置，t()表示轉(zhuǎn)置
  • "euclidean", 歐幾里得距離矩陣，最常用
  • "maximum",

• 第二步：聚類(lèi)
  層次聚類(lèi)法
  sample_hc <- hclust(sample_dist)
  plot(sample_hc)

聚類(lèi)方法簡(jiǎn)述 ?hclust可查看
single 最短聚類(lèi)法； comlpete 最長(zhǎng)聚類(lèi)法(默認(rèn))； median 平均距離法; 進(jìn)化樹(shù)構(gòu)建使用類(lèi)似方法 = UPGMA