昨天的教程我很喜欢，以后再配上个基因启动子转录调控因子筛选的技能，就是神技中的神技。
跟Nature一起学习TCGA,GTEx和CCLE数据库的使用
目前已经100人订阅。感谢这部分人的信任。有一位朋友问的很好，我也答的很好。
帖子已经足够详细，核心代码全部给出，高手就自己做，如果看了还不懂，那就乖乖买课程。我们真心实意，学员心服口服。
但是还是有很多既往的学员支持了这个小课程，我的心情很复杂。
=
表面上看，这个小教程就是实现了任意两个基因，在三个数据多个组织中的相关性，骨子里，我用了同样的代码和思维处理了三个数据库的数据。
我说，R语言初学者应该把精力放在数据调整上，而把数据调整为清洁数据(行为观察，列是变量)就是三步，基因注释，行列转置，添加分组。只要成为了清洁数据，大部分R包都可以用起来了。这个小教程，作为data wrangling的练习题，是真真极好的。
我们今天来看看，基于当前的这个数据，我们还能做什么操作呢。如题，看手上研究的基因的表达量，稳妥的很。
以TCGA为例
看GATA3这个基因在多个肿瘤组织中的表达量
先加载数据
rm(list=ls())
load(file = "pancancer_mRNA_exprSet.Rdata")
data <- mRNA_exprSet
test <- data[1:10,1:10]
直接用ggplot2画图
library(ggplot2)
ggplot(data,aes(x=type,y=GATA3,color=type))+
geom_boxplot()+
geom_jitter()+
theme_bw()+
theme(legend.position='none')
因为这个ggplot2画的，改颜色，改形状都没有任何问题，大提琴，小提琴图随便画。
如果嫌癌症多了，还可以自己筛选需要呈现的癌种，告诉人家我这个基因在某个癌种中就是特异表达。
如果你用这个里面的技能，还可以任选几组比较，加p值
乱花渐欲迷人眼，偷得浮生半日闲
在GTEx数据中看GATA3在多个正常组织的表达量
加载数据
rm(list=ls())
load(file = "panGTEX_mRNA_exprSet.Rdata")
data <- mRNA_exprSet
test <- data[1:10,1:10]
画图代码，一点没变
library(ggplot2)
ggplot(data,aes(x=type,y=GATA3,color=type))+
geom_boxplot()+
geom_jitter()+
theme_bw()+
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.position='none')
现在可以在CCLE里面看看多个细胞系的情况
加载数据
rm(list=ls())
load(file = "panCCLE_mRNA_exprSet.Rdata")
data <- mRNA_exprSet
test <- data[1:10,1:10]
这里的数据比教程内多了一列，只要在数据处理的时候多选择一列就可以实现。
作图代码还是没有变
library(ggplot2)
ggplot(data,aes(x=type,y=GATA3,color=type))+
geom_boxplot()+
geom_jitter()+
theme_bw()+
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.position='none')
这个是GATA3在多个不同癌症细胞系中的综合结果，如果想看在单个癌症中多个细胞系的结果，也是可以的。
比如，我们看到GATA3在乳腺癌细胞系中相对高一点，我就可以看看乳腺癌细胞系中的表达
筛选是乳腺的行，以及选择这个基因所在的列
library(dplyr)
plot_data <- data %>%
filter(type=="breast") %>%
select(name,GATA3)
直接画图
names(plot_data)[2] <- "gene"
library(ggplot2)
ggplot(data = plot_data,aes(x=forcats::fct_reorder(name,desc(gene)),y=gene))+
geom_bar(stat='identity', aes(fill=name))+
ylab("expression (log2(TPM))")+
xlab(NULL)+
theme_bw()+
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.position='none')
这样如果要做实验，选择细胞系也有个参考了。
当然换个癌症，换个基因，代码也几乎一样
比如胰腺癌种PRSS1基因
## 数据
library(dplyr)
plot_data <- data %>%
filter(type=="pancreas") %>%
select(name,PRSS1)
names(plot_data)[2] <- "gene"
## 作图
library(ggplot2)
ggplot(data = plot_data,aes(x=forcats::fct_reorder(name,desc(gene)),y=gene))+
geom_bar(stat='identity', aes(fill=name))+
ylab("expression (log2(TPM))")+
xlab(NULL)+
theme_bw()+
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.position='none')
为什么纵坐标还有负的，因为被log2了啊。
关于这个数据，还有更多拓展，也可以说，TCGA文章中只要是基于表达量数据的分析，都可以用这个数据来实现。
因为这是我们的第一个线上教程，会影响后面所有教程的基调、水准以及作者的创作积极性，我得安利一下。
教程还在打折中，放马过来。
网友评论