這篇文章主要講解了“如何使用TCGAbiolinks分析TCGA中的表達(dá)譜數(shù)據(jù)”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“如何使用TCGAbiolinks分析TCGA中的表達(dá)譜數(shù)據(jù)”吧！

成都創(chuàng)新互聯(lián)公司是專業(yè)的湖州網(wǎng)站建設(shè)公司，湖州接單;提供成都網(wǎng)站設(shè)計(jì)、網(wǎng)站建設(shè),網(wǎng)頁(yè)設(shè)計(jì),網(wǎng)站設(shè)計(jì),建網(wǎng)站,PHP網(wǎng)站建設(shè)等專業(yè)做網(wǎng)站服務(wù);采用PHP框架,可快速的進(jìn)行湖州網(wǎng)站開發(fā)網(wǎng)頁(yè)制作和功能擴(kuò)展;專業(yè)做搜索引擎喜愛的網(wǎng)站,專業(yè)的做網(wǎng)站團(tuán)隊(duì),希望更多企業(yè)前來(lái)合作!

對(duì)于轉(zhuǎn)錄組數(shù)據(jù)而言，差異分析和富集分析是最核心的分析內(nèi)容之一，通過(guò)TCGAbiolinks可以輕松實(shí)現(xiàn)TCGA表達(dá)譜數(shù)據(jù)的下載，差異分析，富集分析等功能，以乳腺癌的基因表達(dá)譜為例，分析過(guò)程如下

1. 下載原始數(shù)據(jù)

由于TCGA中乳腺癌的樣本很多，所以只挑選了部分樣本來(lái)測(cè)試，下載的過(guò)程如下

2. 差異分析

詳細(xì)步驟如下

1. 對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)樣本間的斯皮爾曼相關(guān)系數(shù)去除相關(guān)性較低的樣本

2. 歸一化，調(diào)用了EDASeq中的歸一化算法

3. 篩選基因，根據(jù)表達(dá)量的均值進(jìn)行篩選

4. 差異分析，調(diào)用了edgeR中的差異算法

代碼如下

3. 富集分析

代碼如下

可視化的結(jié)果如下所示

GO的3大類別加上kegg pathway共4個(gè)類別的數(shù)據(jù)，對(duì)應(yīng)4張柱狀圖，每個(gè)柱狀圖展示的是FDR值最顯著的top10個(gè)條目，橫坐標(biāo)我-log10(FDR), 散點(diǎn)代表的是GeneRatio, 也稱之為enrich factor, 代表富集到該通路下的差異基因個(gè)數(shù)占該通路下所有基因總數(shù)的比例。

感謝各位的閱讀，以上就是“如何使用TCGAbiolinks分析TCGA中的表達(dá)譜數(shù)據(jù)”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)如何使用TCGAbiolinks分析TCGA中的表達(dá)譜數(shù)據(jù)這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！

標(biāo)題名稱：如何使用TCGAbiolinks分析TCGA中的表達(dá)譜數(shù)據(jù)
標(biāo)題鏈接：http://www.chinadenli.net/article8/pgseop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、App設(shè)計(jì)、云服務(wù)器、品牌網(wǎng)站設(shè)計(jì)、品牌網(wǎng)站制作、建站公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)