比较两张PCA图就可以发现他们是镜像对称的。 主成分分析(PCA)是一种数据降维技术,通过将数据映射到新的维度(主成分)上,最大程度地保留数据的变异性。每个维度的解释能力可以理解为样本映射在该方向上的相对位置之间的距离。此时即使你反转一个维度(例如,将PC1正负方向对调),它捕捉的变异量是不会改变的(每个样本投...
setwd("D:/bioinformatics/2.NGS/1.bulk RNA-seq") load("./data/Merge2.Rdata") load("./data/DEG_DESeq2.Rdata") head(DEG_DESeq2) # baseMean log2FoldChange lfcSE stat pvalue padj Group #Ltf 15161.394 5.506594 0.1346744 40.88819 0.000000e+00 0.000000e+00 Up #Lcn2 20772.367 4.731738 0....
GSEA(Gene Set EnrichmentAnalysis),即基因集富集分析,它的基本思想是使用预定义的基因,将基因按照在两类样本中的差异表达程度排序,然后检验预先设定的基因集合是否在这个排序表的顶端或者底端富集。 GSEA和GO、KEGG pathway不同的地方在于,后两者会提前设定一个阈值,只关注差异变化大的基因(相当于重点班)。这样子容易...
注意:读入的数据进行转置,是因为使用pydeseq2包进行分析时,count矩阵需要的是行为样本,列为基因名称,和R语言中的DESeq2包刚好相反。 读入样本信息文件: 代码语言:javascript 复制 condition_file="data/matedata.csv"condition_df=pd.read_csv(condition_file,index_col=0)condition_df.head() 构建DeseqDataSet ...
生信分析 孟德尔随机化分析 生信 肠道菌群 甲基化分析 R语言相关生信分析 擅长Bulk RNA-seq(差异分析 功能富集 PPI 免浸润 GSEA等)RNA-seq(降维聚类、分群注释、拟时分析、互作等)TCGA GEO 数据挖掘(数据合并去批次、生存分析)复现等生存分析 预后模型建立(列线图)
GEO2R beta版更新 详细内容见:https://www.ncbi.nlm.nih.gov/geo/info/geo2r.html 1、亮点 主要增加了对RNAseq数据分析的支持。目前GEO2R支持使用DESeq2对GEO及SRA库中的数据进行差异分析,输入文件是NCBI-computed raw count matrices。 2、NCBI-computed raw count matrices ...
#如果样本数不多,其实可以一个一个运行#列出所有(_R1.fq.gz)的路径,并将这些路径保存到文件1中。>符号被用作输出重定向操作符,作用是将命令的输出结果写入到指定的文件中。ls/home/RNA-seq/fastq/*_R1.fq.gz>1ls/home/RNA-seq/fastq/*_R2.fq.gz>2#使用cut命令根据/分隔符提取第5个字段(第一个字段...
数据可以保存在rdata格式的文件中,下次直接用load()函数导入使用。 喜欢的话就点个赞吧 bulk RNA-Seq测序分析 更多精彩内容,就在简书APP "小礼物走一走,来简书关注我" 赞赏支持还没有人赞赏,支持一下 评论0 赞1
503 -- 4:29 App 单细胞RNA-seq分析方法【七】批次效应去除 1218 -- 15:48 App 单细胞差异基因多组可视化 322 -- 3:33 App 【NIT数据分析】数据透视表 587 -- 3:34 App 【R语言】热图火山图绘制|代码免费获取 浏览方式(推荐使用) 哔哩哔哩 你感兴趣的视频都在B站 打开信息...
研究共选取了3个GEO数据集,其中既有scRNA-seq数据,也有bulk RNA-seq数据;既有人类AD患者的数据,也有AD小鼠的数据,两种数据相结合是本文的亮点之一。 此研究采用常规的单细胞分析流程,用AUCell包评估免疫相关基因集在细胞中的活性,此外还有常用的功能富集分析和PPI网络等。