生信技能树
输入的数据是数值型矩阵/数据框
颜色变化表示数值的大小
一般冷色调表示小的数字,暖色调表示大的数字
热图中包括聚类树,因此热图中的行列顺序与原数据不同,但是行和列内的数据无变化
用来显示哪些样本相似性高
每个色块表示两个样本的相关性,图片为关于对角线对称的
箱形图(Box-plot)又称为盒须图、盒式图或箱线图,是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用,常见于品质管理。它主要用于反映原始数据分布的特征,还可以进行多组数据分布特征的比 较。箱线图的绘制方法是:先找出一组数据的上边缘、下边缘、中位数和两个四分位数;然后, 连接两个四分位数画出箱体;再将上边缘和下边缘与箱体相连接,中位数在箱体中间。
主要包含六个数据节点,将一组数据从大到小排列,分别计算出他的上边缘,上四分位数Q3,中位数,下四分位数Q1,下边缘,还有一个异常值。
箱线图的上边缘和下边缘并不是数据中的最大值和最小值
箱形图提供了一种只用5个点对数据集做简单总结的方式。这5个点包括中点、Q1、Q3、分部状态的高位和低位。箱形图很形象的分为中心、延伸以及分布状态的全部范围。
箱形图中最重要的是对相关统计点的计算,相关统计点都可以通过百分位计算方法进行实现。
箱形图的绘制步骤:
1、画数轴,度量单位大小和数据批的单位一致,起点比最小值稍小,长度比该数据批的全距稍长。
2、画一个矩形盒,两端边的位置分别对应数据批的上下四分位数(Q3和Q1)。在矩形盒内部中位数(Xm)位置画一条线段为中位线。
3、在Q3+1.5IQR和Q1-1.5IQR处画两条与中位线一样的线段,这两条线段为异常值截断点,称其为内限;在Q3+3IQR和Q1-3IQR处画两条线段,称其为外限。处于内限以外位置的点表示的数据都是异常值,其中在内限与外限之间的异常值为温和的异常值(mild outliers),在外限以外的为极端的异常值(extreme outliers)。四分位距IQR=Q3-Q1。.
4、从矩形盒两端边向外各画一条线段直到不是异常值的最远点,表示该批数据正常值的分布区间。
5、用“〇”标出温和的异常值,用“*”标出极端的异常值。相同值的数据点并列标出在同一数据线位置上,不同值的数据点标在不同数据线位置上。至此一批数据的箱形图便绘出了。统计软件绘制的箱形图一般没有标出内限和外限。
作图时注意给表达矩阵加上分组信息,才能作图。
分组向量中的表达矩阵中的每一个样本需要一一对应;同一个分组对应一个关键词。
Foldchange(FC):处理组表达量的平均值/对照组表达量的平均值
logFoldchange(logFC):Foldchange取log2
!!!注意:表达矩阵中的表达量,已经已经是取完log2的值,在计算log2FC时,只需要不同分组的表达量平均值相减即可。
数据中的FC值,为2^logFC
在基因差异性分析中,少数几个综合指标(主成分)无实际意义。
PCA图中,图中不同颜色代表不同分组,图上的一个小点表示一个样本,点与点之间的距离表示样本间的相似程度。离得近就更相似,离得远差异大。
dim1和dim2表示主成分,主成分的数字表示揭示变化方向的百分比。一些场景中要求两个数字之和大于90%,表达矩阵中不做要求。
图中的大点表示中心点,中心点用于观测组间差别。
大圈表示置信区间
差异分析是两组间分析差异,多组分析中也是两两分析
下载数据:表达矩阵,临床信息,GPL编号
重点:探针ID转换以及分组信息获取
富集分析使用ENTREDID
KEGG分析以及GO分析
富集分析结果
行名和第一列都是通路的ID
description:通路的注释
GeneRatio:差异基因中有多少个富集到该通路/差异基因有多少被数据库收录
BgRatio:数据库中记载总共多少基因/数据库中所有通路一共多少基因
pvalue/p.adjust/qvalue:衡量富集是否显著的3个p值,默认使用p.adjust
geneID:属于通路的差异基因列在geneID
count:属于该通路的计数
原理:超几何分布检验
气泡图:横坐标GeneRatio,纵坐标description,颜色分配p.adjust
条带图:横坐标count数,纵坐标description,颜色分配p.adjust
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。