目录

Python从零开始第五章生物信息学①提取差异基因

通过上一篇的过程，我们得到了该数据集的差异分析的两个关键参数，1.差异倍数（foldchange）以及2.（差异的P值）。在这一篇中，我们目的是得到满足差异倍数和差异P值得基因，以及同时进行可视化（包括差异分析常见的火山图和热图）。

绘制火山图

• （1）第一步制作差异分析结果数据框

myarray = np.asarray(pvalue)

result = pd.DataFrame({'pvalue':myarray,'FoldChange':fold})



result['log(pvalue)'] = -np.log10(result['pvalue'])

• （2）第二步制作火山图的准备工作

在这里选定的差异基因标准是I差异倍数的绝对值大于1，II差异分析的P值小于0.05

# In[*]
result['sig'] = 'normal'

result['size']  =np.abs(result['FoldChange'])/10
 
result.loc[(result.FoldChange> 1 )&(result.pvalue < 0.05),'sig'] = 'up'
result.loc[(result.FoldChange< -1 )&(result.pvalue < 0.05),'sig'] = 'down'

• （3）第三步绘制火山图

# In[*]
 ax = sns.scatterplot(x="FoldChange", y="log(pvalue)",
                      hue='sig',
                      hue_order = ('down','normal','up'),
                      palette=("#377EB8","grey","#E41A1C"),
                      data=result)
ax.set_ylabel('-log(pvalue)',fontweight='bold')
ax.set_xlabel('FoldChange',fontweight='bold')

筛选差异基因

# In[*]
fold_cutoff = 1
pvalue_cutoff = 0.05

filtered_ids = []
for i in range(0, number_of_genes):
    if (abs(fold[i]) >= fold_cutoff) and (pvalue[i] <= pvalue_cutoff):
        filtered_ids.append(i)
        
filtered = data2.ix[filtered_ids,:]
print("Number of DE genes: ")
print(len(filtered.index))

filtered.head()
Out[29]: 
             WT.GSM130365      ...       KO.GSM130370
100012_at        8.997462      ...          10.026524
100035_at        3.666768      ...           4.807360
100064_f_at     12.212800      ...          10.758890
100065_r_at      9.326879      ...           7.992656
100073_at        9.340741      ...           8.080552

绘制热图

热图（heatmap）是生物学文章里（尤其是RNA-seq相关论文）经常出现的图片。热图的用途一般有两个。以RNA-seq为例，热图可以：1）直观呈现多样本多个基因的全局表达量变化；2）呈现多样本或多基因表达量的聚类关系。热图一般使用颜色（例如红绿的深浅）来展示多个样本多个基因的表达量高低，既直观又美观。同时可以对样本聚类或者对基因聚类。

sns.clustermap(filtered, cmap='RdYlGn_r', standard_scale = 0)

如图所示：
（1）每一行为一个基因，每一列为一个sample。
（2）绿色代表相对低表达，红色代表相对高表达。
（3）相对接近的样本或者基因会聚类在一起，比如探针名为101695_at的基因在GSM130370相对高表达，而在GSM130366低表达。