五年前我们就系统性整理了表达芯片数据分析,这些芯片分析难点主要是在ID转换,因为不同公司设计的探针命名都不一样,在我7年前博客整理的芯片平台对应R包找:(16)芯片探针与基因的对应关系-生信菜鸟团博客2周年精选文章集。基本上你使用我教程的标准数据分析代码,从下载到表达矩阵,走标准分析流程,火山图,热图,GO/KEGG数据库注释等等,肯定可以出对应的图表。
这个时候,我往往是会强调最重要的3张图见:你确定你的差异基因找对了吗?
PS:如果你的转录组实验分析报告没有这三张图,就把我们生信技能树的这篇教程甩在他脸上,让他瞧瞧,学习下转录组数据分析。
PS: 示例的3张图来自于我的GitHub博客:https://github.com/jmzeng1314/GEO
如果分组在3张图里面体现不出来,实际上后续差异分析是有风险的。这个时候需要根据你自己不合格的3张图,仔细探索哪些样本是离群点,自行查询中间过程可能的问题所在,或者检查是否有其它混杂因素,都是会影响我们的差异分析结果的生物学解释。
如果不能确认你的组内差异是小于组间差异的, 那么常规的差异分析通常是有问题的。但是随着数据挖掘技术的流行,越来越多人喜欢强行找差异了,尤其是喜欢使用TMB分组,或者免疫浸润情况分组(包括CIBERSOFT计算的LM22比例分组,以及ESTIMATE计算得到的 immune scores, stromal scores and ESTIMATE scores ),实际上风险很大,因为它们这些指标并不能比较好的区分肿瘤病人。
而且还有进阶的分组情况,比如 文章:《Restoration of energy homeostasis by SIRT6 extends healthy lifespan》,链接:https://www.nature.com/articles/s41467-021-23545-7 , 是4个分组,是两种性别,加上各自的处理前后,处理这样的表达量矩阵后得到PCA图如下所示:
4个分组的表达量矩阵后得到PCA图
文献里面的介绍是:PCA showed that gender was responsible for most of the variance (PC1). In addition, a striking genotype effect was seen in PCA, with the effect of SIRT6 substantially greater in males than females (Fig. 4a).
可以看到第一主成分可以完美的区分性别,而且可解释度高达 63%,然后呢,第二个主成分确实是可以区分处理与否,但是在左边的male组内可以更好的区分。
现在,你知道如何描述你的主成分分析结果了吗?
该文章的表达量矩阵是公开可以获取的, 在: GSE157838, 感兴趣的小伙伴可以试试看,能不能得到类似的主成分分析图表,甚至是更进一步,出三张图!
然后呢,两个性别内部都有处理前后的分组,各自都可以差异分析,然后gsea分析,希望可以得到下面的两次差异分析对比结果!
Using Gene Set Enrichment Analysis (GSEA), we found that inflammatory pathways were significantly inhibited in SIRT6-tg males, whereas a similar but milder effect was seen in females (Fig. 4b and Supplementary Table 6).
两次差异分析的GSEA结果的对比
结论是,在雌雄性别小鼠里面,都看到了 SIRT6 up-regulated proteins were enriched for metabolic-related pathways, whereas down-regulated proteins included immune-related pathways
很多人拿到了我代码,喜欢问一个很“幼稚”的问题,为什么同样的代码同样的数据分析结果不一样!经过沟通后我让他说出来不一样的地方,对方又是支支吾吾,哑口无言,答非所问!
其实生物信息学数据分析本来就不应该去苛求一模一样,如果是两次差异分析,你看两次分析的基因的logFC的散点图是否相关性很高就足够了。或者说两次差异分析富集到的通路重合度还不错就足够了。