Ruizheng 的学习笔记
感谢 生信技能树 小洁老师
长脚本管理方式
- 分成多个脚本，每个脚本最后保存Rdata，下一个脚本开头清空再加载。
- if(F){...}, 则{}里的脚本被跳过，if(T){...},则{}里的脚本被执行，凡是带有{}的代码，均可以被折叠
GEO来了
图表介绍
1. 热图：
- 输入数据是数值型矩阵/数据框
- 颜色的深浅表示数值的大小
- scale
相关性热图
差异基因热图
2. 散点图 / 箱线图：
箱线图
单个基因在两组之间的表达量差异
3. 火山图
- 多基因差异分析，展示 logFC 和 P.Value
- logFC：处理 / 对照表达量差异倍数的 log 值
- 通常说的上调、下调基因是指表达量显著上升 / 下降的基因，结合P值。
- P值越小，越有统计学差异，-log10(P.Value)越大
火山图加标签
4. PCA图
- 主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标（即主成分）。
- 根据这些主成分对样本进行聚类，代表样本的点在坐标轴上距离越远，说明样本差异越大。
GEO背景知识+分析思路介绍
实验设计
实验目的：通过基因表达量数据的差异分析和富集分析来解释生物学现象
- 病变组织vs健康组织
- 药物处理vs对照组
- 开花前vs开花后
- 动物/动物不同发育期
- 高产/低产品种
三个缩写
- GSM：用户提交给GEO的样本数据。
- GSE：一个完整的研究，并提供了整个研究的描述，包括对数据的描述，总结分析。
- GPL：用户测序使用的芯片/平台
基因表达芯片：探针的表达量反应基因的表达量
表达矩阵
分析思路
- 看文章找GSE编号，到GEO数据库搜索
- 下载数据：包括表达矩阵和临床信息
- 检查数据：分组之间是否有差异，PCA、热图（例如方差最大的前1000）
- limma差异分析及可视化：P值，logFC，火山图，热图
- 富集分析KEGG
R语言实现
下载用函数实现：GEOquery::getGEO
- 将数据下载到本地
- 以对象的形式读入R（eSet）
注意检查数据的完整性
- 从eSet中提取表达矩阵exp
- 从eSet中提取临床信息pd（数据框）
- 从eSet中提取gpl编号
limma包用于芯片差异分析
- 本质上只是R包和函数
- 准备好需要输入的数据、写对参数
- 帮助文档
