edgeR中怎么實(shí)現(xiàn)兩組間差異分析操作，很多新手對此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

創(chuàng)新互聯(lián)公司于2013年成立，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目網(wǎng)站設(shè)計(jì)、成都網(wǎng)站設(shè)計(jì)網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢想脫穎而出為使命，1280元隴南做網(wǎng)站,已為上家服務(wù),為隴南各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:18982081108

1.  讀取文件

需要讀取基因在所有樣本中的表達(dá)量文件，示例如下

gene_id ctrl-1 ctrl-2 ctrl-3 case-1 case-2 case-3
geneA 14  0  11  4  0  12
geneB 125 401 442 175 59 200

每一行為一個(gè)基因，每一列代表一個(gè)樣本。讀取數(shù)據(jù)的代碼如下

# 讀取表達(dá)量的表格
counts <- read.table(
  "gene.counts.tsv",
  header=T,
  sep="\t",
  row.names=1,
  comment.char="",
  check.names=F)

# 設(shè)置樣本分組
groups <- factor(c(1,1,1,2,2,2))

# 構(gòu)建edgeR中的對象
y <- DGEList(counts=count,group=group)

2. 過濾count數(shù)很低的基因

根據(jù)CPM表達(dá)量對基因進(jìn)行過濾，代碼如下

keep <- rowSums(cpm(y)>1) >= 2
y <- y[keep, , keep.lib.sizes=FALSE]

3. 歸一化

默認(rèn)采用TMM歸一化算法，計(jì)算每個(gè)樣本的 sizefactor, 代碼如下

y <- calcNormFactors(y)

4. 進(jìn)行差異分析

代碼如下

design <- model.matrix(~group)
y <- estimateDisp(y,design)
et <- exactTest(y)

5.  提取結(jié)果

將差異分析的結(jié)果保存到文件中，代碼如下

res <- et$table
write.table(res, "edgeR.xls", header = T, col.names = NA, sep = "\t" )

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對創(chuàng)新互聯(lián)的支持。