STEM软件分析基因表达模式
最近有一批转录组数据，其实不是时间序列的数据，而是从低到高有4个梯度的Al浓度处理的数据，每个三个重复，共有12个数据，想着看一下4个梯度处理下基因表达的模式，使用了STEM软件，mark一下用法。
STEM是分析时间序列的软件。基本介绍可参考庐州月光。其实我觉得软件其实很容易上手，主要是软件对于数据文件格式的要求。具体来说，对于基因在不同处理下的表达数据的文件获得就得费一番功夫，注意一点工具手册上说可以上传有生物学重复的文件，但是我没看到具体如何做，我直接将我的表达量数据在重复数据中去中位数来代表这个处理的基因表达量(软件也是这样做的)。
- 选取在4组实验组两两比对中有显著表达差异的基因，然后取并集。取并集需要在R中操作：
Reduce(union,list(v1=c(1,2,4,6,8),v2=c(1,4,7,9),v3=c(1,2,6,8,10)))
#需要把差异基因保存为向量的格式
然后在已经准备好的fpkm或者tpm基因表达量中筛选得到差异基因的表达量，也是在R中来做
sig_fpkm <- fpkm[sig,]# 前提是你已经得到了sig(包含了差异基因名的列表),fpkm数据框的rownname也是基因名
sig_fpkm <- na.omit(sig_fpkm) # 删除没有匹配到行
注意，有可能最后得到的有表达量的差异基因数少于你前面得到的差异基因数，因为有可能你的fpkm/tpm文件经过过滤(类似于rowSums(NA)>=10，rowSum <12)，从而删掉有可能在某个比对中被认为是差异基因的低表达基因。
接下来如果你还有 GO注释文件，你需要调整格式类似于下图格式
要求格式
如果本来原始的全部基因GO注释文件时Excel表格类似于下图：
原始表格
就需要进行格式转换：
这里有一个方法
R中将两列合为一列。然后应该是保存为文本格式就可以了，或者保存为csv。然后将csv内容复制到notepadd++里面。但是结果中会出现数量不一的逗号，类似于下图：
带有逗号的数据
需要在notepadd++通过正则去掉
(,+)$ # 替换为空
这样就得到干净的数据了
干净的数据
这是所要求的全部的注释格式。接下来是筛选，将文本在Excel中使用Excel里面的 vlookup 函数。参考用法
也就是将差异基因复制到所有注释所在的excel文档中，而基因名应该在第一列。就可以！当然最后还是出现没有匹配出现#N/A。首先数据先复制，再以只保留值得形式粘贴，然后选中有#N/A的列，CTRL + G → 定位条件→常量 只勾选错误，确定，如此只选中含有#N/A的单元格，右键删除，整行。完成！
最后就是将两个文件，差异基因表达数据和对应的注释文件输入到STEM软件中，设置好参数。
上传
结果出图：
结果1
点击其中一个所得基因的表达趋势
结果2
点击 下方对应的按钮就可以得到对应的基因和GO列表，在此不赘述了。至于可以深入做GO分析，需要好好研究一下手册。
总的来说，软件上手很容易，但是准备输入文件，调整格式需要花一番功夫
感觉，特别是对于文本操作（shell脚本，sed，正则匹配），不同格式之间的相互转化，不同软件的操作(R,Excel,Notepadd++)，说到底还是不太熟练，基本功不扎实，有些操作应该是有很简单的做法，但是确实想不出来，看来还是要静下心来把这些知识吃透，不应该东学一点，西学一点，什么都会一点，什么都不精通。自勉！！！
