3. plotPCA {DESeq2} 当我们使用的数据是表达量的时候,我们可以首选利用 DESeq2 软件包中的内置函数 plotPCA 来绘制主成分分析图,非常方便,当然我们这里使用差异表达挑选出来的差异表达基因,在做主成分分析时能够更好的区分癌和癌旁组织。 首先需要构造 dds 对象, 如下: ###plotPCA {DESeq2} library(DESeq...
对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到的情况就是,相同表型的个体(比如疾病组)会在图中聚类在一起。 2 差异基因表达散点图---体现重复样本的重复性好不好 我们可以简单的把这张图理解为2个样本的RNAseq结果关联度散点图。X,Y轴分别是两个样本,每个点...
对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到的情况就是,相同表型的个体(比如疾病组)会在图中聚类在一起。 2 差异基因表达散点图---体现重复样本的重复性好不好 我们可以简单的把这张图理解为2个样本的RNAseq结果关联度散点图。X,Y轴分别是两个样本,每个点...
对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到的情况就是,相同表型的个体(比如疾病组)会在图中聚类在一起。 2 差异基因表达散点图---体现重复样本的重复性好不好 我们可以简单的把这张图理解为2个样本的RNAseq结果关联度散点图。X,Y轴分别是两个样本,每个点...
这组数据是小鼠RNA-seq,分对照组(Ctrl)和某基因过表达组(GeneTg)。一共8个样本,来自4个批次。每个批次都有一个对照组样本和过表达组样本。样本信息如下: 矫正前做的PCA可以看出batch effect: 矫正后数据对应的PCA图如下: 可以看到每个批次里的一对样本在PCA上都关于原点对称。图上也许不够清楚,但一个batch里...
在RNA-seq中,主成分分析(PCA)是最常见的多元数据分析类型之一。 基因表达定量后获得了各样本中所有基因的表达值信息,随后我们通常会期望比较样本之间在基因表达值的整体相似性或者差异程度。基因数量成千上万,肯定不能对每个基因的表达都作个比较,这时候就要用到“降维”算法,PCA分析因此派上用场。PCA设法将N维(N...
上一期我们探讨了Bulk RNA-seq的价值和学习成本(第1期. 快2024年了,还有必要学习Bulk RNA-seq?),如果你认可了学习Bulk RNA-seq分析的必要性,那我们就一起来开始零基础学习之旅。今天的任务是主成分分析(PCA)图,如果时间紧,可以简单看看整体的分析流程;如果有时间,可以跟着我们的代码和数据,一起练习。
RNA-seq下游分析之 PCA图_欧阳火火的博客-CSDN博客 rm(list=ls()) mydata <- read.table("C:/Users/gao/Desktop/all.id.txt",header =TRUE,quote='\t',skip = 1) smpleNames <- c('mesc_1','mesc_1','mesc_2','mesc_2','mesc_3','mesc_3','mesc_4','mesc_4','mesc_5','mesc_5...
对RNAsq的read count数据进行PCA分析 目的:PCA分析可以得到样本之间的相关性和离散程度。 内容: 1 . 基因表达量数据进行标准化,用tpm和fpkm两种方法进行相对定量,后续分析我们一般会用tpm。 2 . 使用标准化后的tpm数据做主成分分析(PCA) 数据:RNASEQ上游分析得到的read count矩阵。
上一期我们探讨了Bulk RNA-seq的价值和学习成本(第1期. 快2024年了,还有必要学习Bulk RNA-seq?),如果你认可了学习Bulk RNA-seq分析的必要性,那我们就一起来开始零基础学习之旅。今天的任务是主成分分析(PCA)图,如果时间紧,可以简单看看整体的分析流程;如果有时间,可以跟着我们的代码和数据,一起练习。