TCGA癌症和正常组织中的基因表达差异图

TCGA癌症和正常组织中的基因表达差异图

TCGA数据,做完差异表达分析,获得差异表达的基因之后,可以将差异表达的基因在癌症和癌旁中的数据拿出来进行比较一下,看看两者差别是否显著。

# 绘制差异表达基因在比对样本中的表达情况
# 将表达量进行log2 转换
normData1 <- log2(normData)
# 对表达数据框进行转置
exprSet <- as.data.frame(t(normData1))
# 以差异表达基因的第一个基因为例
diff_gene <-row.names(diff_expr_out)[1]
# 通过样品的barcode 进行样品的分类(癌症,癌旁)
exprSet$type <- factor(substr(rownames(exprSet),14,14), labels = c('Tumor','Normal'))
# 查看exprSet 数据的格式
head(exprSet[c('type',diff_gene)])
#                                   type ENSG00000000460
#    TCGA.BR.8364.01A.11R.2343.13  Tumor        8.201607
#    TCGA.CG.5722.11A.02R.1602.13 Normal        7.855598
#    TCGA.VQ.A8DU.01A.11R.A36D.31  Tumor        9.160752
#    TCGA.D7.A4Z0.01A.22R.A251.31  Tumor        8.260068
#    TCGA.B7.5818.01A.11R.1602.13  Tumor        8.456898
#    TCGA.EQ.8122.01A.11R.2343.13  Tumor        9.733618

# 采用ggboxplot绘图
p <- ggboxplot(exprSet,x = "type", y= diff_gene, color="type", 
               palette=c("#00AFBB","#E7B800"), add="jitter", shape="type")
my_comparisons <- list(c("Tumor",'Normal'))
p +  stat_compare_means(comparisons = my_comparisons) 

结果如下下图:

attachments-2018-12-QrEcxGpF5c0d28e1cb6d9.jpg



如果您想学习TCGA数据挖掘方法,可以学习我的课程:

TCGA-生存分析

TCGA-基因差异表达分析

TCGA-转录因子调控

TCGA-ceRNA调控网络分析

  • 发表于 2018-12-09 22:38
  • 阅读 ( 14278 )
  • 分类:TCGA

0 条评论

请先 登录 后评论
microRNA
microRNA

115 篇文章

作家榜 »

  1. omicsgene 702 文章
  2. 安生水 351 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. xun 82 文章
  6. rzx 78 文章
  7. 红橙子 78 文章
  8. CORNERSTONE 72 文章