r语言提取go分析基因 r语言分析结果如何导出

R语言进行ssGSEA分析

先加载相关的package

然后提取想要的基因集，变成list

然后进行富集分析

需要注意的点：

1.expr输入的表达矩阵必须为：SummarizedExperiment或者SingleCellExperiment ExpressionSet 或者别的什么对象。如果是dataframe的话需要转换为matrix。

2.gset.idx.list是输入的基因集，要么是一个list，要么是一个GeneSetCollection对象

3.kcdf这个参数用于设定非参数检验的分布类型，当输入的表达矩阵是raw_counts时，那么这个参数应该设置为kcdf=“Poisson”。

颜色通过colorRampPalette(c("navy", "white", "firebrick3"))(100)函数生成

annotation_col是一个1列的dataframe，行名是样本名，第一列填分组信息，要转换为factor。如下图：

得到的热图如下图所示：

R语言GEO数据挖掘：步骤四：富集分析KEGG,GO

把之前r语言提取go分析基因的数据设置好之后r语言提取go分析基因，后面r语言提取go分析基因的富集分析也是傻瓜式r语言提取go分析基因的

R语言：clusterProfiler进行GO富集分析和Gene_ID转换

ID转换用到的是 bitr() 函数，bitr()的使用方法：

org.Hs.eg.db包含有多种gene_name的类型

keytypes() ：keytypes(x)，查看注释包中可以使用的类型

columns() ：类似于keytypes()，针对org.Hs.eg.db两个函数返回值一致

select() ：select(x, keys, columns, keytype, ...) eg.

函数enrichGO()进行GO富集分析，enrichGO()的使用方法：

举例：

R语言GEO数据挖掘：步骤三：进行基因差异分析

用limma包，这里注意，limma包是对基因芯片表达矩阵的分析，不能对逆转录RNAseq表达矩阵进行分析（因为数据特征不同），RNAseq需要用另一种方法

解读此表

但是上面的用法做不到随心所欲的指定任意两组进行比较，所有还有下一种方法

处理好了分组信息，再自定义比较元素

自定义函数进行比较

热土和火山图都是傻瓜式的，只要的前面得出的deg数据(也就是基因差异表达数据）是正确的

r语言提取go分析基因的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于r语言分析结果如何导出、r语言提取go分析基因的信息别忘了在本站进行查找喔。