1 导入R
rm(list = ls())
options(stringsAsFactors = F)
a <- read.table('all.id.counts.txt', header = T)
meta <- a[,1:6]
exprSet <- a[,7:10] 或者a[,7:ncol(a)]
获取矩阵后正式开始下游分析。
2 绘图
相关性图
library(corrplot)
corrplot(cor(exprSet))
corrplot(cor(log2(exprSet+1)))

相关性热图
library(pheatmap)
pheatmap(scale(cor(log2(exprSet+1))))

后续我们使用airway包的数据进行后续分析。
安装airway :BiocManager::install('airway')
library(airway)
data("airway")
exprSet <- assay(airway)
group_list <- colData(airway)[,3]
##hclust
colnames(exprSet) <- paste(group_list, 1:ncol(exprSet), sep = '_')
## Define NodePar
nodePar <- list(lab.cex = 0.6, pch=c(NA,19),
cex=0.7, col="blue")
hc <- hclust(dist(t(log2(exprSet+1))))
par(mar=c(5,5,5,10))
plot(as.dendrogram(hc), nodePar=nodePar, horiz=TRUE)(pheatmap)
pheatmap(scale(cor(log2(exprSet+1))))

比如去除基因名后的小数点,使用stringr包的str_split函数即可,详情之前的R语言转录组储备。
下一篇我们继续差异分析的学习。
我们下一篇再见!
网友评论