這期內(nèi)容當(dāng)中小編將會(huì)給大家?guī)?lái)有關(guān)sleuth基于TPM值sleuth進(jìn)行的差異分析是怎樣的，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

創(chuàng)新互聯(lián)建站服務(wù)項(xiàng)目包括相城網(wǎng)站建設(shè)、相城網(wǎng)站制作、相城網(wǎng)頁(yè)制作以及相城網(wǎng)絡(luò)營(yíng)銷策劃等。多年來(lái)，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢(shì)、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，相城網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到相城省份的部分城市，未來(lái)相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！

kallisto等alignment-free轉(zhuǎn)錄本定量軟件，會(huì)給出TPM值的定量結(jié)果?；谶@種類型的結(jié)果進(jìn)行差異分析時(shí)，有兩種策略可以選擇。

第一種是采用tximportR包，將結(jié)果導(dǎo)入到DESeq2種進(jìn)行分析；第二種是直接采用sleuthR包進(jìn)行差異分析。本章主要介紹sleuth的使用。

這個(gè)包的源代碼存放在github上，鏈接如下

https://github.com/pachterlab/sleuth

github上的R包其安裝方式比較特殊, 具體過(guò)程如下

source("http://bioconductor.org/biocLite.R")
biocLite("rhdf5")
library(devtools)
install_github("pachterlab/sleuth")

首先從Bioconductor上安裝依賴的rhdf5包，因?yàn)閗allisto的定量結(jié)果為HDF5格式，這個(gè)R包用來(lái)讀取數(shù)據(jù)，然后采用devtools這個(gè)R包，自動(dòng)從github的源代碼進(jìn)行安裝。

所有差異分析需要的都是定量結(jié)果和樣本分組這兩個(gè)基本元素，只不過(guò)不同的R包要求的格式不同。在sleuth中，將這兩種信息存儲(chǔ)在一個(gè)三列的數(shù)據(jù)框中，示例如下

> s2c
    samples   group              paths
1 control-1 control kallisto/control-1
2 control-2 control kallisto/control-2
3 control-3 control kallisto/control-3
4    case-1    case    kallisto/case-1
5    case-2    case    kallisto/case-2
6    case-3    case    kallisto/case-3

第一列為樣本名稱，第二列為樣本對(duì)應(yīng)的分組信息，第三列為每個(gè)樣本kallisto定量結(jié)果的文件夾。通過(guò)這樣的一個(gè)數(shù)據(jù)框，就包含了差異分析所需的所有信息。

假定有6個(gè)樣本，分成control,case 兩組， 每組3個(gè)生物學(xué)重復(fù)，可以通過(guò)以下代碼構(gòu)建上述的數(shù)據(jù)框

samples = c(
"control-1",
"control-2",
"control-3",
"case-1",
"case-2",
"case-3")

s2c <- data.frame(
samples = samples,
group   = rep(c("control", "case"), each = 3),
paths   = paste("kallisto", samples, sep = "/")
)

上述代碼要求將所有樣本的定量結(jié)果放在同一個(gè)文件夾下，目錄結(jié)構(gòu)如下

kallisto/
├── control-1
├── control-2
├── control-3
├── case-1
├── case-2
└── case-3

上述數(shù)據(jù)框準(zhǔn)備好之后，就可以讀取數(shù)據(jù)進(jìn)行差異分析了，完整的代碼如下

library(sleuth)
so <- sleuth_prep(s2c, extra_bootstrap_summary = TRUE)
so <- sleuth_fit(so, ~condition, 'full')
so <- sleuth_fit(so, ~1, 'reduced')
so <- sleuth_lrt(so, 'reduced', 'full')
sleuth_table <- sleuth_results(so, 'reduced:full', 'lrt', show_all = FALSE)

上述就是小編為大家分享的sleuth基于TPM值sleuth進(jìn)行的差異分析是怎樣的了，如果剛好有類似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。