前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >RNA-seq下游分析-2

RNA-seq下游分析-2

原创
作者头像
素素
发布2023-10-26 20:34:19
3540
发布2023-10-26 20:34:19
举报
文章被收录于专栏:生信课程note+实验知识

#RSEM定量后直接生成FPKM,无需标准化

#RNA-seq下游-1有些混乱,重新整理

#与原文存在差异的原因是原文mRNA-seq要对注释gtf文件对进行过滤甲基化区域和polyA尾以及原文用的hg19 74gtf 本文用的hg38.


title: "RNAseq-下游分析-2"

output: html_document

date: "2023-10-26"


R Markdown

代码语言:text
复制
#RSEM定量后直接生成FPKM,无需标准化
#RNA-seq下游-1有些混乱,重新整理
#与原文存在差异的原因是mRNA-seq要对gtf文件去

database <- read.table(file = "D:/huage1/rnaseq1014/xiaohe/output.matrix", sep = "\t", header = T, row.names = 1)
library(magrittr)
library(dplyr)
database$ensembl_id<-rownames(database)
database$ensembl_id <- as.character(database$ensembl_id)
filtered_database <- database %>%  
  filter(!grepl("_PAR_Y$", database$ensembl_id))
names(filtered_database)[names(filtered_database) == 'ensembl_id'] <- 'v1'

library(tidyr)
database1 <- separate(filtered_database,v1,into = "ensembl_id",sep = "[.]")

names(database1)[5] <- "ensembl_id"
rownames(database1)=database1$ensembl_id
database2=database1[,c(1,2,3,4)]
colnames(database2) <- c("BHLHE40-rep1","BHLHE40-rep2","Control-rep1","Control-rep2")
library(DESeq2)
library(stringr)
library(dbplyr)
#BiocManager::install("DESeq2")
#BiocManager::install("dbplyr")
database <- round(as.matrix(database2))
condition <- factor(c(rep("treat",2),rep("control",2)))
coldata <- data.frame(row.names =colnames(database),condition)
library(tidyr)

dds <- DESeqDataSetFromMatrix(countData = database,colData = coldata,design = ~condition)
##countData用于说明数据来源,colData用于说明不同组数据的实验操作类型,design用于声明自变量,即谁和谁进行对比
nrow(dds)
代码语言:txt
复制
## [1] 61498
代码语言:text
复制
dds2 <- dds[rowSums(counts(dds))>10,]
nrow(dds2)
代码语言:txt
复制
## [1] 18084
代码语言:text
复制
#上面这步操作的目的是为了筛选数据。这步操作可以删除那些在所有样本中的表达计数总和不大于1的基因,因为这些基因的表达水平可能过于微弱,对于后续的分析可能不具有重要性或者可靠性。通过这种方式,可以减少噪声和潜在的误差,提高数据分析的准确性。
dds3 <- DESeq(dds2)#用于对dds数据进行运算及分析
res <- results(dds3) 
res=as.data.frame(res)
class(res)
代码语言:txt
复制
## [1] "data.frame"
代码语言:text
复制
res1 <- res[order(res$padj, res$log2FoldChange, decreasing = c(FALSE, TRUE)), ]
#依次按照pvalue值log2FoldChange值进行排序
res1_up<- res1[which(res1$log2FoldChange >= 1 & res1$padj < 0.05),] 
res1_down<- res1[which(res1$log2FoldChange <= -1 & res1$padj < 0.05),]
res1_total <- rbind(res1_up,res1_down)
#1.热图
library(pheatmap)
df <- database[intersect(rownames(database),rownames(res1_total)),] 
df2<- as.matrix(df)                                                 
class(df2)
代码语言:txt
复制
## [1] "matrix" "array"
代码语言:text
复制
df3<-df2[, c(1,2,3,4)]
library(pheatmap)
pheatmap(df3,  
         show_rownames = F,  
         show_colnames = T,  
         cluster_cols = F,  
         cluster_rows=T,  
         height=10,    
         scale = "row",  
         frontsize = 10,  
         angle_col=45,   
         color =colorRampPalette(c("blue", "white","red"))(100)) 
library(pheatmap)
代码语言:text
复制
#2.火山图
res11 <- data.frame(res1, stringsAsFactors = FALSE, check.names = FALSE)
genes<- res11
class(genes)
代码语言:txt
复制
## [1] "data.frame"
代码语言:text
复制
library(ggplot2)                         
library(ggrepel)                               
genes$significant="stable"
genes$significant[genes$log2FoldChange>= 1 & genes$pvalue <0.05]="up"
genes$significant[genes$log2FoldChange<= -1 & genes$pvalue <0.05]="down"
p=ggplot(genes,aes(x=log2FoldChange,y=-1*log10(padj)))+xlim(-3,3)+ylim(0,9)+
  geom_point(aes(color=significant),size=0.8)+theme_classic()+
  scale_color_manual(values = c("#2a9d8f","#f8961e","#EE7AE9"))+
  geom_hline(yintercept = 1.3,linetype=4,size=0.3)+
  geom_vline(xintercept = c(-1.5,1.5),linetype=4,size=0.3)+
  theme(title=element_text(size = 18),text = element_text(size=18))+
  labs(x="log2 fold change ",y="-log10(p_value)")
p
代码语言:text
复制
#3.富集分析
library(dplyr)
library(tidyverse)
library(clusterProfiler)
library(enrichplot)
library(tidyverse)
library(ggstatsplot)
library(ggnewscale)
library(statsExpressions)
#install.packages("statsExpressions")
library(ggstatsplot)
options(pkgType="binary")
library(org.Hs.eg.db)
keytypes(org.Hs.eg.db)
代码语言:txt
复制
##  [1] "ACCNUM"       "ALIAS"        "ENSEMBL"      "ENSEMBLPROT" 
##  [5] "ENSEMBLTRANS" "ENTREZID"     "ENZYME"       "EVIDENCE"    
##  [9] "EVIDENCEALL"  "GENENAME"     "GENETYPE"     "GO"          
## [13] "GOALL"        "IPI"          "MAP"          "OMIM"        
## [17] "ONTOLOGY"     "ONTOLOGYALL"  "PATH"         "PFAM"        
## [21] "PMID"         "PROSITE"      "REFSEQ"       "SYMBOL"      
## [25] "UCSCKG"       "UNIPROT"
代码语言:text
复制
res1_up$ensembl_id=rownames(res1_up)
ego_cc<-enrichGO(gene       = res1_up$ensembl_id,
                 OrgDb      = org.Hs.eg.db,
                 keyType    = 'ENSEMBL',
                 ont        = "CC",
                 pAdjustMethod = "BH",
                 pvalueCutoff = 0.3,
                 qvalueCutoff = 0.3)
barplot(ego_cc,showCategory = 10)
代码语言:text
复制
dotplot(ego_cc,showCategory = 10)
代码语言:text
复制
library(ggplot2)
dotplot(ego_cc,showCategory = 10)
代码语言:text
复制
ego_MF = enrichGO(gene =res1_up$ensembl_id,
                  OrgDb = org.Hs.eg.db,
                  keyType = "ENSEMBL",
                  ont = "MF",
                  pvalueCutoff = 0.3,
                  qvalueCutoff = 0.15)
dotplot(ego_MF,showCategory = 10)
代码语言:text
复制
barplot(ego_MF,showCategory = 10)
代码语言:text
复制
ego_BP = enrichGO(gene =res1_up$ensembl_id,
                  OrgDb = org.Hs.eg.db,
                  keyType = "ENSEMBL",
                  ont = "BP",
                  pvalueCutoff = 0.25,
                  qvalueCutoff = 0.1)
dotplot(ego_BP,showCategory = 7)
代码语言:text
复制
barplot(ego_BP,showCategory = 7)

](figure/unnamed-chunk-1-9.png)

代码语言:text
复制
library(clusterProfiler)
gene.df<-bitr(res1_up$ensembl_id, fromType = "ENSEMBL", 
              toType = c("SYMBOL","ENTREZID"),
              OrgDb = org.Hs.eg.db)
kk<-enrichKEGG(gene = as.numeric(gene.df$ENTREZID),
               organism = 'hsa',
               pvalueCutoff = 0.2,
               qvalueCutoff =0.2)
dotplot(kk)
代码语言:text
复制
barplot(kk)
代码语言:text
复制
library(VennDiagram)
dev.off()
代码语言:txt
复制
## png 
##   4
代码语言:text
复制
res1_down$ensembl_id=rownames(res1_down)
venn_list <- list(group1 = res1_up$ensembl_id, group2 = res1_down$ensembl_id)
class(res1_up$ensembl_id)
代码语言:txt
复制
## [1] "character"
代码语言:text
复制
a=venn.diagram(venn_list, filename = 'vennzhongji.png', imagetype = 'png', 
             fill = c('red', 'blue'), alpha = 0.50, cat.col = rep('black', 2), 
             col = 'black', cex = 1,fontfamily = 'serif', 
             cat.cex = 1, cat.fontfamily = 'serif')
a
代码语言:txt
复制
## [1] 1
代码语言:text
复制
class(venn_list)
代码语言:txt
复制
## [1] "list"
代码语言:text
复制
grid.force("venn2.png")
ggsave("venn2.png")
library(ggplot2)


#聚类图
vsd <- vst(dds2, blind = FALSE)
sampleDists <- dist(t(assay(vsd)))
hc <- hclust(sampleDists, method = "ward.D2")
plot(hc, hang = -1)
代码语言:text
复制
#vsd <- vst(dds2, blind = FALSE) 是在对一个数据集 dds2 进行标准化处理。vst 是一个函数,用于进行标准化处理,其中 blind = FALSE 表示不是盲标准化,即默认情况下,每个特征(基因)都被除以各自的方差进行标准化。
#sampleDists <- dist(t(assay(vsd))) 是计算样本间的距离。dist 函数用于计算欧几里得距离,t 函数用于转置矩阵,assay 函数用于提取数据集 vsd 的样本。
#hc <- hclust(sampleDists, method = "ward.D2") 是进行层次聚类。hclust 函数用于进行层次聚类,其中 method = "ward.D2" 表示使用最小方差法(ward's method)进行聚类,并且计算的是D2距离。
#plot(hc, hang = -1) 是绘制树状图。plot 函数用于绘制树状图,其中 hang = -1 表示树状图的横轴从底部开始绘制。

#BiocManager::install("factoextra")
library(factoextra)
#美观一下
#install.packages("ggplot2")
ress <- hcut(sampleDists, k = 2, stand = TRUE)
# Visualize 聚类
fviz_dend(ress, 
          # 加边框
          rect = TRUE,
          # 边框颜色
          rect_border="cluster",
          # 边框线条类型
          rect_lty=2,
          # 边框线条粗细
          lwd=1.2,
          # 边框填充
          rect_fill = T,
          # 字体大小
          cex = 1,
          # 字体颜色
          color_labels_by_k=T,
          # 平行放置
          horiz=T)
代码语言:text
复制
#PCA图
vsd <- vst(dds2, blind = FALSE)
plotPCA(vsd, intgroup = "condition")
代码语言:text
复制
#看一下基因是否发生变化
plotCounts(dds3, gene = "ENSG00000000003", intgroup=c("condition"))
代码语言:text
复制
#美化一下图
plotdata <- plotCounts(dds3, gene = "ENSG00000000003", intgroup=c("condition"),returnData = T)
library(ggplot2)
ggplot(plotdata,aes(x=condition,y=count,col=condition))+
  geom_point()+
  theme_bw()
代码语言:text
复制
library(DESeq2)
#MA图
dds4 <- results(dds3,contrast = c("condition","treat","control"),alpha = 0.05)
plotMA(dds4, ylim=c(-2,2))
代码语言:text
复制
#我们发现在左侧,有很多counts很小的基因,发生了很大的变化,但是没有明显意义。他们的counts很小,但波动性很大,对logFC产生了很大的影响。

#矫正后的MA图 在这句代码中,dd2 <- lfcShrink(dds, contrast=contrast, res=dd1),lfcShrink是一个函数,它对数据集dds进行某种形式的"收缩"处理。这种处理可能涉及到统计假设检验中的标准化或者归一化等步骤。
#数据收缩:lfcShrink:两种数据特别需要:低表达量占比高的 & 数据特别分散的:
#normal 是DESeq2包原始的收缩估计量(shrikage estimator),自适应正态先验分布(adaptive normal prior)
#apeglm是apeglm包中的收缩估计量,自适应t先验分布(adaptive t prior)
#ashr是ashr包中的收缩估计量。

#BiocManager::install("apeglm")
library(apeglm)
#第一种校正方法
#resAsh <- lfcShrink(dds, coef="group_list_1_vs_0", type="ashr")
#plotMA(resAsh, ylim=c(-3,3))

##第二种
#resLFC <- lfcShrink(dds3, coef=2)
#plotMA(resLFC, ylim=c(-3,3))
#适合本文校正方法
resNorm <- lfcShrink(dds3, coef=2, type="normal")
plotMA(resNorm, ylim=c(-3,3))
代码语言:text
复制
#获取与数据集 dds3 相关的结果或结果的名称
resultsNames(dds3)
代码语言:txt
复制
## [1] "Intercept"                  "condition_treat_vs_control"
代码语言:text
复制
summary(resNorm, alpha = 0.05)
代码语言:txt
复制
## 
## out of 18084 with nonzero total read count
## adjusted p-value < 0.05
## LFC > 0 (up)       : 49, 0.27%
## LFC < 0 (down)     : 36, 0.2%
## outliers [1]       : 0, 0%
## low counts [2]     : 3156, 17%
## (mean count < 11)
## [1] see 'cooksCutoff' argument of ?results
## [2] see 'independentFiltering' argument of ?results
代码语言:text
复制
#把差异分析的结果转化成data.frame的格式
library(dplyr)
library(tibble)
res2 <- resNorm %>% 
  data.frame() %>% 
  rownames_to_column("ensembl_id")

#基因id转换
library(AnnotationDbi)
library(org.Hs.eg.db)
res2$symbol <- mapIds(org.Hs.eg.db,
                     keys=res2$ensembl_id,
                     column="SYMBOL",
                     keytype="ENSEMBL",
                     multiVals="first")
res2$entrez <- mapIds(org.Hs.eg.db,
                     keys=res2$ensembl_id,
                     column="ENTREZID",
                     keytype="ENSEMBL",
                     multiVals="first")
#制作genelist
library(dplyr)
gene_df <- res2 %>% 
  dplyr::select(ensembl_id,log2FoldChange,symbol,entrez) %>% 
  ## 去掉NA
  filter(entrez!="NA") %>% 
  ## 去掉重复
  distinct(entrez,.keep_all = T)
geneList <- gene_df$log2FoldChange
names(geneList) = gene_df$entrez
geneList = sort(geneList, decreasing = TRUE)
head(geneList)
代码语言:txt
复制
##    10628     4210    23581    56667      720     8322 
## 1.279122 1.261769 1.122895 1.068193 1.053421 1.044479
代码语言:text
复制
#GSEA分析
library(clusterProfiler)
gseaKEGG <- gseKEGG(geneList     = geneList,
                    organism     = 'hsa',
                    nPerm        = 1000,
                    minGSSize    = 20,
                    pvalueCutoff = 0.05,
                    verbose      = FALSE)
library(ggplot2)
dotplot(gseaKEGG,showCategory=4,split=".sign")+facet_grid(~.sign)
代码语言:text
复制
gseaKEGG_results <- gseaKEGG@result

library(enrichplot)
pathway.id = "hsa04060"
gseaplot2(gseaKEGG, 
          color = "red",
          geneSetID = pathway.id,
          pvalue_table = T)
代码语言:text
复制
library(pathview)
class(geneList)
代码语言:txt
复制
## [1] "numeric"
代码语言:text
复制
geneList_df <- data.frame(geneList) 
pv.out <- pathview(gene.data  = geneList,
                   pathway.id = "hsa05322",
                   species    = "hsa",
                   same.layer = T)

pv.out2 <- pathview(gene.data  = geneList,
                    pathway.id = "hsa05133",
                    species    = "hsa",
                    same.layer = T,
                    kegg.native = F)

#我们现在知道cell cycle是被抑制的,如果还想看一下这个通路里面的基因是如何变化的,应该怎么办呢,pathview 可以帮到我们。

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。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • R Markdown
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档