读取stringtie后多个tab文件,生成FPKM和TPM两个csv表

这是我写的第二个版本。

#文件读函数
readfile_FPKM <- function(file_name){
  tmp <- read.table(file_name, header = T, sep = "\t", 
                    stringsAsFactors = F)[ , c("Gene.ID", "FPKM")]
  colnames(tmp) <- c("Gene.ID", strsplit(file_name, split = "[.]")[[1]][1])
  return(tmp)
}
readfile_TPM <- function(file_name){
  tmp <- read.table(file_name, header = T, sep = "\t", 
                    stringsAsFactors = F)[ , c("Gene.ID", "TPM")]
  colnames(tmp) <- c("Gene.ID", strsplit(file_name, split = "[.]")[[1]][1])
  return(tmp)
}
#读取文件
file <- dir()[grep(".tab", dir())]
data_FPKM <- lapply(file, readfile_FPKM)
data_TPM  <- lapply(file, readfile_TPM)

#把list中的数据合并到1个data.frame中  合并前需要去重
AllSample_FPKM <- data_FPKM[[1]]
for(i in 2:length(data_FPKM)){
  AllSample_FPKM <- merge(AllSample_FPKM,
                          data_FPKM[[i]][c(1,2)][!duplicated(data_FPKM[[i]][1]),], 
                          by = "Gene.ID")
                              }
AllSample_TPM <- data_TPM[[1]]
for(i in 2:length(data_TPM)){
  AllSample_TPM <- merge(AllSample_TPM,
                          data_TPM[[i]][c(1,2)][!duplicated(data_TPM[[i]][1]),], 
                          by = "Gene.ID")
}
rm(data_FPKM, data_TPM, i)
rm(data_TPM)

#数据归一化,计算每个样品FPKM值的和,让所有样品FPKM值的和均等比缩放到最大值
FPKM_Sum_Max <- max(apply(AllSample_FPKM[ ,c(-1,-2)],2, sum))
FPKM_Factor <- FPKM_Sum_Max/apply(AllSample_FPKM[ ,c(-1,-2)],2, sum)
AllSample_FPKM_scale <- sweep(AllSample_FPKM[,c(-1,-2)], 2, FPKM_Factor,'*')
AllSample_FPKM_scale <- cbind(AllSample_FPKM[ ,1:2], AllSample_FPKM_scale)
colnames(AllSample_FPKM_scale)[1] <- "Gene.ID"

TPM_Sum_Max <- max(apply(AllSample_TPM[ ,c(-1,-2)],2, sum))
TPM_Factor <- TPM_Sum_Max/apply(AllSample_TPM[ ,c(-1,-2)],2, sum)
AllSample_TPM_scale <- sweep(AllSample_TPM[,c(-1,-2)], 2, TPM_Factor,'*')
AllSample_TPM_scale <- cbind(AllSample_TPM[ ,1:2], AllSample_TPM_scale)
colnames(AllSample_TPM_scale)[1] <- "Gene.ID"

rm(FPKM_Factor,TPM_Factor,FPKM_Sum_Max, TPM_Sum_Max)

#整理数据
tmp <- read.table(file[1], header = T, sep = "\t", 
           stringsAsFactors = F)[ ,1:6]
AllSample_FPKM <- merge(tmp, AllSample_FPKM, by = "Gene.ID")
AllSample_FPKM_scale<- merge(tmp, AllSample_FPKM_scale, by = "Gene.ID")
AllSample_TPM <- merge(tmp, AllSample_TPM, by = "Gene.ID")
AllSample_TPM_scale<- merge(tmp, AllSample_TPM_scale, by = "Gene.ID")
rm(tmp)

#写文件
write.csv(AllSample_FPKM, "AllSample_FPKM.csv", row.names = F)
write.csv(AllSample_FPKM_scale, "AllSample_FPKM_scale.csv", row.names = F)
write.csv(AllSample_TPM, "AllSample_TPM.csv", row.names = F)
write.csv(AllSample_TPM_scale, "AllSample_TPM_scale.csv", row.names = F)

#清理
rm(list = ls())
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,451评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,172评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,782评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,709评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,733评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,578评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,320评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,241评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,686评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,878评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,992评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,715评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,336评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,912评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,040评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,173评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,947评论 2 355

推荐阅读更多精彩内容