随着ngs价格的持续走低,转录组测序项目早就走入了大样品时代,当然了,早在芯片价格亲民的时候就有这样的趋势,目前单细胞转录组价格也是在走这个老路。
那么,对于大样品队列的转录组,很多时候是没有已知的合理的分组, 这个时候会人为的去分组后看队列异质性,比如根据免疫高低进行分组。
那么这个根据免疫高低进行分组就有多种实现方式,我们这里简单的演示一下PCA和热图的层次聚类以及gsea或者gsva这样的打分的分组,看看是否有区别。
需要载入 step1-output.Rdata 这个文件里面的表达量矩阵哦,如果你不知道 step1-output.Rdata 如果得到,看文末的代码。
首先,我们需要提前免疫基因集的小表达量矩阵,代码如下所示:
load(file = 'step1-output.Rdata')
cg=c('CD3D','CD3G CD247','IFNG','IL2RG','IRF1','IRF4','LCK','OAS2,STAT1')
cg
cg=cg[cg %in% rownames(dat)]
library("FactoMineR") #画主成分分析图需要加载这两个包
library("factoextra")
dat.pca <- PCA(as.data.frame(t(dat[cg,])) )
fviz_pca_ind(dat.pca,
geom.ind = "point", # show points only (nbut not "text")
# col.ind = group_list, # color by groups
addEllipses = T,
legend.title = "Groups"
)
dat.pca$ind$coord
如下所示:
可以看到,每个样品在这个主成分分析图表上面都是有坐标的:
> head(dat.pca$ind$coord[,1:2])
Dim.1 Dim.2
GSM1419942 -1.5307665 0.1820390
GSM1419943 0.2224343 0.9908672
GSM1419944 -2.1294537 0.3075360
GSM1419945 0.0745490 0.2147092
GSM1419946 -4.8646160 -0.2016098
GSM1419947 0.9149908 0.2421981
我们可以简单的根据PC1去划分样品成为两个组,也可以根据PC1和PC2合起来分成4个组,这个步骤很随意。我们先试试看简单的根据PC1去划分样品成为两个组,代码如下所示:
group_list=ifelse(dat.pca$ind$coord[,1] < 0 ,'neg','pos')
table(group_list)
pca_gl = group_list
# 其中 hclust_gl 来自于前面的教程哦
table(pca_gl,hclust_gl)
可以看到前面的层次聚类的样品分组跟现在的PCA的PC1的分组,还是有差异的:
> table(pca_gl,hclust_gl)
hclust_gl
pca_gl high low
neg 1 59
pos 37 10
但是它们可视化相关却没有太大的区别:
两个分组的差异
肉眼基本上看不出来差异,区别应该是横坐标为0附近的那些样品吧!
代码是:
library(patchwork)
fviz_pca_ind(dat.pca,
geom.ind = "point", # show points only (nbut not "text")
col.ind = pca_gl, # color by groups
addEllipses = T,
legend.title = "Groups"
)+
fviz_pca_ind(dat.pca,
geom.ind = "point", # show points only (nbut not "text")
col.ind = hclust_gl, # color by groups
addEllipses = T,
legend.title = "Groups"
)
蛮有意思的, 两个方法出现冲突的免疫高低分类的样品应该是有它特殊的意义吧!
上面的代码载入 step1-output.Rdata 这个文件,下面给出来这个文件的制作方式,代码如下所示:
rm(list = ls()) ## 魔幻操作,一键清空~
options(stringsAsFactors = F)
library(AnnoProbe)
library(GEOquery)
gset <- geoChina("GSE58812")
gset
gset[[1]]
a=gset[[1]] #
dat=exprs(a) #a现在是一个对象,取a这个对象通过看说明书知道要用exprs这个函数
dim(dat)#看一下dat这个矩阵的维度
# GPL570 [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array
dat[1:4,1:4] #查看dat这个矩阵的1至4行和1至4列,逗号前为行,逗号后为列
boxplot(dat[,1:4],las=2)
dat=log2(dat)
boxplot(dat[,1:4],las=2)
library(limma)
dat=normalizeBetweenArrays(dat)
boxplot(dat[,1:4],las=2)
pd=pData(a)
#通过查看说明书知道取对象a里的临床信息用pData
## 挑选一些感兴趣的临床表型。
library(stringr)
table(pd$`meta:ch1`)
group_list= ifelse(pd$`meta:ch1` == '0' ,'stable','meta')
table(group_list)
dat[1:4,1:4]
dim(dat)
a
ids=idmap('GPL570','soft')
head(ids)
ids=ids[ids$symbol != '',]
dat=dat[rownames(dat) %in% ids$ID,]
ids=ids[match(rownames(dat),ids$ID),]
head(ids)
colnames(ids)=c('probe_id','symbol')
ids$probe_id=as.character(ids$probe_id)
rownames(dat)=ids$probe_id
dat[1:4,1:4]
ids=ids[ids$probe_id %in% rownames(dat),]
dat[1:4,1:4]
dat=dat[ids$probe_id,]
ids$median=apply(dat,1,median) #ids新建median这一列,列名为median,同时对dat这个矩阵按行操作,取每一行的中位数,将结果给到median这一列的每一行
ids=ids[order(ids$symbol,ids$median,decreasing = T),]#对ids$symbol按照ids$median中位数从大到小排列的顺序排序,将对应的行赋值为一个新的ids
ids=ids[!duplicated(ids$symbol),]#将symbol这一列取取出重复项,'!'为否,即取出不重复的项,去除重复的gene ,保留每个基因最大表达量结果s
dat=dat[ids$probe_id,] #新的ids取出probe_id这一列,将dat按照取出的这一列中的每一行组成一个新的dat
rownames(dat)=ids$symbol#把ids的symbol这一列中的每一行给dat作为dat的行名
dat[1:4,1:4] #保留每个基因ID第一次出现的信息
dat['ACTB',]
dat['GAPDH',]
save(dat,group_list,
file = 'step1-output.Rdata')
如果你确实觉得我的教程对你的科研课题有帮助,让你茅塞顿开,或者说你的课题大量使用我的技能,烦请日后在发表自己的成果的时候,加上一个简短的致谢,如下所示:
We thank Dr.Jianming Zeng(University of Macau), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.
十年后我环游世界各地的高校以及科研院所(当然包括中国大陆)的时候,如果有这样的情谊,我会优先见你。