免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

有這樣的使用場(chǎng)景么？

1.已經(jīng)確定研究的基因，但是想探索他潛在的功能，可以通過(guò)跟這個(gè)基因表達(dá)最相關(guān)的基因來(lái)反推他的功能，這種方法在英語(yǔ)中稱(chēng)為guilt of association，協(xié)同犯罪。
2.我們的注釋方法依賴(lài)于TCGA大樣本，既然他可以注釋基因，那么任何跟腫瘤相關(guān)的基因都可以被注釋?zhuān)ㄩL(zhǎng)鏈非編碼RNA。

這個(gè)方法以前闡述過(guò)：
單基因批量相關(guān)性分析的妙用

但是這個(gè)方法有個(gè)小缺陷，并不知道最后富集的通路是正向影響還是反向影響，也就是無(wú)法判斷方向。判斷方向的工具也不是沒(méi)有，GSEA就是一個(gè)。所以，我想能不能把批量相關(guān)性分析和GSEA結(jié)合起來(lái)。

GSEA需要的gene set是現(xiàn)成的沒(méi)有問(wèn)題，但是genelist沒(méi)有，這里我們可以把所有基因跟單個(gè)基因的相關(guān)性系數(shù)當(dāng)做LogFC，有正有負(fù)，就解決了geneList的問(wèn)題。這個(gè)想法不是我的，是我的一個(gè)學(xué)員的，不過(guò)他要解決的是microRNA把基因的問(wèn)題。

下面來(lái)實(shí)戰(zhàn)一下：

1.首先加載數(shù)據(jù)

這個(gè)數(shù)據(jù)是我下載了TPM數(shù)據(jù)，然后提取出乳腺癌的數(shù)據(jù)得來(lái)的。

2.寫(xiě)一個(gè)函數(shù)批量計(jì)算相關(guān)性

這個(gè)函數(shù)只要輸入一個(gè)基因，他就會(huì)批量計(jì)算這個(gè)基因跟其他編碼基因的相關(guān)性，返回相關(guān)性系數(shù)和p值。

batch_cor <- function(gene){
  y <- as.numeric(exprSet[gene,])
  rownames <- rownames(exprSet)
  do.call(rbind,future_lapply(rownames, function(x){
    dd  <- cor.test(as.numeric(exprSet[x,]),y,type='spearman')
    data.frame(gene=gene,mRNAs=x,cor=dd$estimate,p.value=dd$p.value )
  }))
}

3.并行化運(yùn)行函數(shù)

以PCDC1這個(gè)基因?yàn)槔?/p>

這是返回的結(jié)果

4.制作genelist

gene <- dd$mRNAs
## 轉(zhuǎn)換
library(clusterProfiler)
gene = bitr(gene, fromType='SYMBOL', toType='ENTREZID', OrgDb='org.Hs.eg.db')
## 去重
gene <- dplyr::distinct(gene,SYMBOL,.keep_all=TRUE)

gene_df <- data.frame(logFC=dd$cor,
                      SYMBOL = dd$mRNAs)
gene_df <- merge(gene_df,gene,by='SYMBOL')

## geneList 三部曲
## 1.獲取基因logFC
geneList <- gene_df$logFC
## 2.命名
names(geneList) = gene_df$ENTREZID
## 3.排序很重要
geneList = sort(geneList, decreasing = TRUE)

5.運(yùn)行GSEA分析

作圖看整體分布

### 看整體分布
library(ggplot2)
dotplot(y,showCategory=12,split='.sign')+facet_grid(~.sign)

本次結(jié)果中全是激活的

6.特定通路作圖

PCDC1跟阿拉法干擾素正相關(guān)，這個(gè)事情沒(méi)什么好說(shuō)的吧。

好了，我們又掌握了一個(gè)特別強(qiáng)悍，實(shí)用的技能。我是果子，明天見(jiàn)。