可见已经在数据中添加ENTREZID列 kegg 注释 函数split()可以按照分组因子,把向量,矩阵和数据框进行适当的分组。它的返回值是一个列表,代表分组变量每个水平的观测。 gcSample=split(sce.markers$ENTREZID,sce.markers$cluster)## KEGG xx<-compareCluster(gcSample,fun="enrichKEGG",organism="hsa",pvalueCutoff=0....
geneList=gene$logFCnames(geneList)=gene$ENTREZIDgeneList=sort(geneList,decreasing=T)# 降序,按照logFC的值来排序 ##GSEA分析 kk_gse<-gseKEGG(geneList=geneList,
多个亚群各自merker基因联合进行GO以及KEGG分析 在前面几节我们已经知道各个细胞亚群的maerker基因,接下来我们对这些marker基因进行功能注释和富集分析。 读取数据rm(list=ls())library(Seurat)library(gplots)library(ggplot2)load('sce.markers.all_10_celltype.Rdata') 功能注释library(clusterProfiler)library(org.Hs....
可见已经在数据中添加ENTREZID列,接下来进行kegg注释, ## 函数split()可以按照分组因子,把向量,矩阵和数据框进行适当的分组。 ## 它的返回值是一个列表,代表分组变量每个水平的观测。 gcSample=split(sce.markers$ENTREZID, sce.markers$cluster) ## KEGG xx <- compareCluster(gcSample, fun ="enrichKEGG", ...
多个亚群各自merker基因联合进行GO以及KEGG分析 在前面几节我们已经知道各个细胞亚群的maerker基因,接下来我们对这些marker基因进行功能注释和富集分析。 读取数据 rm(list=ls()) library(Seurat) library(gplots) library(ggplot2) load('sce.markers.all_10_celltype.Rdata') ...