亚洲涩涩在线,欧美日韩精品人妻免费,久久99一日红杏

zhuang_gj

2020/10/11

ssGSEA算法原理及應用
- 基本原理
- 實例演示

基本原理

1.single sample GSEA 是通過擴展GESA擴展實現的，ssGSEA允許定義一個富集分數，該分數表示給定數據集內每個樣本中基因集的絕對富集程度。

2.對給定樣本的基因表達值進行排序歸一化，并使用簽名中的基因和其余基因的經驗累積分布函數(ECDF)生成富集分數。

3.ssGSEA過程類似于GSEA，但是在ssGSEA列表是根據absolute expression進行排序的。

4.濃縮分數(ES)是通過對ECDFs之間的差值進行積分得到的。對于單個樣本的N個基因以及給定大小為signature $N_G$ (假設是條通路的基因)數據集的，根據它們的absolute expression .L={r1, r2，…，rN}，用它們的秩替換它們。然后將列表從最高的N排列到最低的1。富集分數ES(G,S)是由一個加權的 $P_G^w$ 基因的ECDF和其余 $P_{NG}$ 基因的ECDF之間的差值之和(積分)得到的:

ES.png

如果基因屬于 $N_G$ ，則 $P_G^w$ 是該基因的表達量/ $N_G$ 表達量的總和

如果基因 不屬于 $N_G$ ，則 $P_{NG}$ 就等于1/ $N$ - $N_G$

計算每個基因的ES，然后根據最大差異來得到這條通路的ES(絕對值最大的ES作為通路的ES.)。

指數(α)設置為?,并添加一個適中的重量等級。在常規(guī)的GSEA中使用了類似的濃縮分數，但是權重通常設置為1。

實例演示

分析流程大致是：
1.清洗數據，得到clean的matrix（行為基因列為樣本）
2.整理參考基因集
3.運行ssGSEA得到得到單個樣本在不同基因集中的ES

1.數據清洗和整理

rm(list=ls())
library(tidyverse)
fpkm <- data.table::fread(file = "./TCGA-KICH.htseq_fpkm.tsv")%>%column_to_rownames("Ensembl_ID")
## 去除低表達的探針
dat<- fpkm[!apply(fpkm,1,sum)==0,]
## 過濾重復的probe
boxplot(dat[,2:10],las=2)

image.png

dat$Median=apply(dat,1,median)
dat <- dat %>% 
  rownames_to_column("gene_id")#去除表達矩陣ensembolID   "."后的數字separate(Ensembl_ID,into = c("gene_id"),sep = "\\.")

load(file = "C:/Diskdata/Bioinfomatics_analyse/gtf_df.Rdata")
## 注釋差異基因
exprSet <- gtf_df %>% 
  ## 篩選gene
  dplyr::filter(type=="gene") %>%
  ## 篩選基因名稱和類型
  dplyr::select(c(gene_name,gene_id,gene_type)) %>% 
  ## 合并
  dplyr::inner_join(dat,by ="gene_id")

# # 篩選mRNA
# exprSet <- alldat %>% 
#   dplyr::filter(gene_type == "protein_coding")
# 去除重復探針
exprSet <- exprSet[order(exprSet$gene_name,exprSet$Median,decreasing = T),]# 降序
exprSet <- exprSet [!duplicated(exprSet$gene_name),];
rownames(exprSet) <- exprSet[,"gene_name"]
exprSet <- exprSet[,4:(ncol(exprSet)-1)]
dim(exprSet)

## [1] 52167    89

head(exprSet[,1:4])

##          TCGA-KL-8332-01A TCGA-KN-8426-11A TCGA-KN-8423-01A TCGA-KL-8327-01A
## ZZZ3           1.80859149        2.6352506       2.19545866         1.589469
## ZZEF1          2.10315141        2.5283014       2.28908861         1.322511
## ZYX            4.00910991        5.8957148       3.57184237         3.411580
## ZYG11B         3.61346486        2.7084147       3.96803884         2.169499
## ZYG11AP1       0.00000000        0.0000000       0.00000000         0.000000
## ZYG11A         0.02453941        0.3772259       0.01565521         0.000000

1.2 FPKM 轉為TPM

# USUC 下載的TCGA 數據是log2(fpkm+1)
boxplot(exprSet[,2:10],las=2)

image.png

dat <- 2^exprSet-1
boxplot(dat[,2:10],las=2)

image.png

fpkmToTpm <- function(fpkm)
{
  exp(log(fpkm) - log(sum(fpkm)) + log(1e6))
}
# <https://haroldpimentel.wordpress.com/2014/05/08/what-the-fpkm-a-review-rna-seq-expression-units/>
tpms <- apply(dat,2,fpkmToTpm)
tpms[1:3,1:4]

##       TCGA-KL-8332-01A TCGA-KN-8426-11A TCGA-KN-8423-01A TCGA-KL-8327-01A
## ZZZ3          5.369558         18.27102         9.942082         2.553463
## ZZEF1         7.071742         16.71511        10.794907         1.907436
## ZYX          32.396140        205.17275        30.243626        12.251646

boxplot(tpms[,1:10],las=2)

image.png

colSums(tpms)

## TCGA-KL-8332-01A TCGA-KN-8426-11A TCGA-KN-8423-01A TCGA-KL-8327-01A 
##            1e+06            1e+06            1e+06            1e+06 
## TCGA-KO-8409-01A TCGA-KN-8430-01A TCGA-KL-8329-01A TCGA-KL-8338-01A 
##            1e+06            1e+06            1e+06            1e+06 
## TCGA-KN-8432-11A TCGA-KN-8429-01A TCGA-KO-8415-11A TCGA-KN-8436-11A 
##            1e+06            1e+06            1e+06            1e+06 
## TCGA-KN-8432-01A TCGA-KN-8424-11A TCGA-KL-8324-11A TCGA-KN-8437-01A

# 對TPM數據進行l(wèi)og轉換
logTPM <- log2(tpms+1)
boxplot(logTPM[,1:10],las=2)

image.png

head(logTPM[,1:3])

##          TCGA-KL-8332-01A TCGA-KN-8426-11A TCGA-KN-8423-01A
## ZZZ3           2.67119317         4.268361       3.45181542
## ZZEF1          3.01288006         4.146909       3.56009213
## ZYX            5.06160945         7.687710       4.96548998
## ZYG11B         4.65026873         4.350769       5.38125597
## ZYG11AP1       0.00000000         0.000000       0.00000000
## ZYG11A         0.05213974         1.033824       0.04305977

save(logTPM,file = "./step1_exprSet logTPM.Rdata")

2.獲得基因集

# 下載28種免疫細胞的參考基因集 <http://cis.hku.hk/TISIDB/data/download/CellReports.txt>
rm(list=ls())
library(tidyverse)
options(stringsAsFactors = F)
geneSet <- read.csv("CellMarker.txt",header = F,sep = "\t",) # 用EXCEL打開刪除NA列
class(geneSet)

## [1] "data.frame"

geneSet <- geneSet %>%
  column_to_rownames("V1")%>%t()
a <- geneSet
a <- a[1:nrow(a),]
set <- colnames(a)
l <- list()
#i <- "Activated CD8 T cell"
for (i in set) {
  x <-  as.character(a[,i])
  x <- x[nchar(x)!=0]
  x <-  as.character(x)
  l[[i]] <-x
}
save(l,file = "./gene_set.Rdata")

3.運行ssGSEA得到得到單個樣本在不同基因集中的ES

# 讀取基因的表達矩陣
rm(list=ls())
library(GSVA)
library(limma)
## 載入數據
load(file = "./step1_exprSet logTPM.Rdata")
load(file = "./gene_set.Rdata")
dat <- as.matrix(logTPM)#基因的表達量需要是矩陣，行為基因，列為樣本
#開始進行ssGSEA
ssgsea<- gsva(dat, l,method='ssgsea',kcdf='Gaussian',abs.ranking=TRUE)

## Estimating ssGSEA scores for 28 gene sets.
## 
  |====================================================================  |  98%
  |                                                                            
  |===================================================================== |  99%
  |                                                                            
  |======================================================================| 100%

#基因集需要是list為對象。默認情況下，kcdf="Gaussian"，適用于輸入表達式值連續(xù)的情況，如對數尺度的微陣列熒光單元、RNA-seq log-CPMs、log-RPKMs或log-TPMs。當輸入表達式值是整數計數時，比如那些從RNA-seq實驗中得到的值，那么這個參數應該設置為kcdf="Poisson"

# Min-Max標準化是指對原始數據進行線性變換，將值映射到[0，1]之間
# 這里是將每個樣本中不同的免疫細胞比例標準化到0-1之間
ssgsea.1 <- ssgsea
for (i in colnames(ssgsea)) {
  #i <- colnames(ssgsea)[1]
  ssgsea.1[,i] <- (ssgsea[,i] -min(ssgsea[,i]))/(max(ssgsea[,i] )-min(ssgsea[,i] ))

}
apply(ssgsea.1[,1:6], 2, range)

##      TCGA-KL-8332-01A TCGA-KN-8426-11A TCGA-KN-8423-01A TCGA-KL-8327-01A
## [1,]                0                0                0                0
## [2,]                1                1                1                1
##      TCGA-KO-8409-01A TCGA-KN-8430-01A
## [1,]                0                0
## [2,]                1                1

library(pheatmap)
pheatmap(ssgsea.1,
         show_colnames = F,
         cluster_rows = T,
         cluster_cols = T,
         fontsize=5)#畫熱圖

image.png

若上述代碼分析有誤，歡迎糾錯和補充。

感謝jimmy老師及其生信技能樹團隊分析的學習筆記

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2783335/

https://blog.csdn.net/weixin_42792088/article/details/103971069

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av

ssGSEA算法原理及應用TCGA數據

ssGSEA算法原理及應用TCGA數據

zhuang_gj

2020/10/11

基本原理

1.single sample GSEA 是通過擴展GESA擴展實現的，ssGSEA允許定義一個富集分數，該分數表示給定數據集內每個樣本中基因集的絕對富集程度。

2.對給定樣本的基因表達值進行排序歸一化，并使用簽名中的基因和其余基因的經驗累積分布函數(ECDF)生成富集分數。

3.ssGSEA過程類似于GSEA，但是在ssGSEA列表是根據absolute expression進行排序的。

實例演示

1.數據清洗和整理

1.2 FPKM 轉為TPM

2.獲得基因集

3.運行ssGSEA得到得到單個樣本在不同基因集中的ES

若上述代碼分析有誤，歡迎糾錯和補充。

友情鏈接更多精彩內容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九 欧美,1769亚洲,黄色成人av

ssGSEA算法原理及應用TCGA數據

zhuang_gj

2020/10/11

基本原理

1.single sample GSEA 是通過擴展GESA擴展實現的，ssGSEA允許定義一個富集分數，該分數表示給定數據集內每個樣本中基因集的絕對富集程度。

2.對給定樣本的基因表達值進行排序歸一化，并使用簽名中的基因和其余基因的經驗累積分布函數(ECDF)生成富集分數。

3.ssGSEA過程類似于GSEA，但是在ssGSEA列表是根據absolute expression進行排序的。

實例演示

1.數據清洗和整理

1.2 FPKM 轉為TPM

2.獲得基因集

3.運行ssGSEA得到得到單個樣本在不同基因集中的ES

若上述代碼分析有誤，歡迎糾錯和補充。

友情鏈接更多精彩內容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av

1.single sample GSEA 是通過擴展GESA擴展實現的，ssGSEA允許定義一個富集分數，該分數表示給定數據集內每個樣本中基因集的絕對富集程度。

2.對給定樣本的基因表達值進行排序歸一化，并使用簽名中的基因和其余基因的經驗累積分布函數(ECDF)生成富集分數。

3.ssGSEA過程類似于GSEA，但是在ssGSEA列表是根據absolute expression進行排序的。

若上述代碼分析有誤，歡迎糾錯和補充。