如何利用网络图给自己转录组数据的文章添彩

2020-08-07 本文已影响0人邓老师呦

自己只做了几个样本的RNAseq测序或芯片，发愁文章里没有什么绚丽的图片可放？别着急，我们可以把差异分析的基因拿来做基因共表达网络分析，通过绘制网络图来给自己的文章增加一点色彩。

废话不多说，直接进入正题。

一、准备差异基因表达文件：diff_gene_exp.txt

差异基因计算见前期教程：
一行命令完成RNAseq差异分析+画图

在这里插入图片描述

如果差异基因特别多的话，可以设置更严格的条件来过滤一下，如选FC 2倍以上且FDR<0.01的基因。

二、代码准备及运行

1、复制下面代码另存为co-exp.R，这一次不需要安装额外的R包。

#读取文件
data <- read.csv("diff_gene_exp.txt",header = TRUE,row.names=1, sep ="\t")
ngene <- nrow(data)

#生成空的结果矩阵
rMatrix <- matrix(ncol=4, nrow=((ngene*(ngene-1))/2))

##计算基因表达的相关性
n <-0
for(i in 1:(ngene-1)) {
    for (j in (i+1):ngene) {
        n<- n+1
        gene1 <- data[i,]
        gene2 <- data[j,]
        rMatrix[n, 1] <- rownames(data)[i]
        rMatrix[n, 2] <- rownames(data)[j]
        rMatrix[n, 3] <- cor.test(as.numeric(gene1), as.numeric(gene2),method = "pearson")$estimate
        rMatrix[n, 4] <- cor.test(as.numeric(gene1), as.numeric(gene2),method = "pearson")$p.value
        }
}

colnames(rMatrix) =  c("gene1", "gene2", "correlation","pvalue")  
write.table(rMatrix,file = "diff_gene_cor.xls",sep = "\t",row.names  = F)

大概解析一下代码的步骤：
① 读取文件
② 生成空的结果矩阵
③ 利用循环计算基因表达的相关性
④ 生成结果文件

2、代码运行

方法一：RStudio直接运行整个co-exp.R文件夹
方法二：打开DOS运行窗口或者linux服务器窗口，运行命令：