图表介绍
1.热图
- 输入数据是数值型矩阵/数据框
- 颜色变化表示数值大小
-
差异基因热图与相关性热图
image.png
image.png
2.散点图和箱线图
2.1 散点图
-
强调个体概念
image.png
2.2 箱线图
- 强调分组概念，弱化个体概念
- 横坐标：字符串向量（重复值），并且不能太多
-
可能存在离群点，在最大值上/最小值下还有几个点
image.png - 应用：单个基因在两组之间的表达量差异
3. 火山图
- 一种特殊散点图
- 应用：多基因差异分析，logFC与P.Value/adj.P.Value
- Foldchange（FC）：处理组平均值/对照组平均值
logFC：FC取log2
logFC 阈值可调：0.585，1，1.25，1.75，2，2.2等
根据阈值筛差异基因数量 -
P值取log10
image.png
image.png - logFC >0 treat>control ，基因表达量上升
logFC <0 treat<control ，基因表达量下降
通常所说的上调、下调基因是指表达量显著上升/下降的基因（结合P值） - 例图中：
上调基因：logFC > 1 p <0.01
下调基因：logFC < 1 p<0.01
logFC 阈值1可调，0.585，1，1.25，1.75，2，2.2等都可以 - P值越小，差异越显著，-log10(Pvalue)越大
- 标记基因名称：//www.greatytc.com/p/aaae171ffe75
4. PCA（主成分分析）
- 用降维思想，把多指标转化为少数几个综合指标（即主成分）
- 需识别组间差距大于样本差距
-
中间大点，整个坐标系的中心位置，不是真实样本
image.png - 圈一般是95%置信区间
- 一文看懂主成分分析：https://mp.weixin.qq.com/s/Kw05PWD2m65TZu2Blhnl4w
2. GEO背景知识+表达芯片分析思路
2.1 表达数据实验设计
- 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
- 有差异的材料→差异基因→代谢通路/功能注释→解释差异，缩小基因范围
曾老师： 数据挖掘的本质就是缩小目的基因的范围
2.2 数据库介绍
- GEO：隶属NCBI
- GEO2R：自带网页版R包，//www.greatytc.com/p/5dcc454353c7
-
基础名词
GSM：样本，样本数据
GSE：系列，整个数据描述
GPL：测序平台
image.png - 数据类型：芯片与高通量测序
- 基因表达芯片
探针的表达量反应基因的表达量
探针长度一般在6-80之间
2.3 表达矩阵
- 行名：探针id，需转换为gene symbol
- 列名：GSM，样本编号，需要分组信息
2.4 分析思路
image.png
- 数据探索（预实验）：差异基因热图、相关性热图、PCA
- 好几个差异基因：还要venn图
2.5 差异分析
limma包
- limma包只能用于分析芯片数据
- 本质上只是R包和函数
- 准备好需要输入的数据、用对函数与参数
- 转录组数据差异分析三大R包：limma(voom）、edgeR 、Deseq2
探针注释：探针与基因的对应关系
- 每个公司芯片命名方式各不相同
- 基因名也有多种
- 注释来源：
Biocoductor注释包（最常用高频的基因）
GPL的soft文件解析
官网下载对应产品的注释表格
自主注释：https://mp.weixin.qq.com/s/mrtjpN8yDKUdCSvSUuUwcA
image.png
ceRNA网络：
miRNA、LncRNA、CircRNA靠谱小结：//www.greatytc.com/p/7345dce38c91
