RNA-seq数据分析二：DESeq2 筛选差异基因

首先DESeq2在R-studio上的安装非常让人自闭，具体可参考徐洲更老师的R语言安装介绍https://www.bilibili.com/video/BV19p4y1i7Zb?from=search&seid=2717757288900359126，我认为最关键的问题是要用BioManager来安装，就像conda装软件也要写一个conda install -c bioconda XXX。

#安装DESeq2包;
BiocManager::install("DESeq2")
#载入DESeq2包；
library(DESeq2)

输入矩阵数据（mycounts），行名为sample，列名为gene；对照组在前，实验组在后DESeq2不支持无生物学重复的数据，数据应是htseq-count的结果，如果是RSEM定量结果，要对count data取整，因为DESeq2包不支持count数有小数点，需要round取整。

#使用csv文件，在csv文件中把colnames改成文本，其它全部为数值。
#在R语言中csv的可读性非常好，其他格式非常容易让人自闭。
mycounts <- read.csv("Count_DH1_DH10_.csv")
rownames(mycounts) <- mycounts[,1]
##colnames列名 
##rownames行名
mycounts <- mycounts[,-1]

condition <- factor(c(rep("DHF_",3),rep("DHT_",3)),levels = c("DHF_","DHT_"))
colData <- data.frame(row.names = colnames(mycounts),condition)

##dds=DESeqDataSet Object
dds <- DESeqDataSetFromMatrix(mycounts,colData,design = ~ condition)
#~在R里面用于构建公式对象，~左边为因变量，右边为自变量
dds <- DESeq(dds)
res= results(dds)

table(res$padj <0.05)
res <- res[order(res$padj),]
resdata <- merge(as.data.frame(res), as.data.frame(counts(dds, normalized=TRUE)),by="row.names",sort=FALSE)
write.csv(resdata,file = "9.Results_DHF_vs_DHT.csv")