差異基因散點圖繪制教程

本期教程

小杜的生信筆記，自2021年11月開始做的知識分享，主要內容是R語言繪圖教程、轉錄組上游分析、轉錄組下游分析等內容。凡事在社群同學，可免費獲得自2021年11月份至今全部教程，教程配備事例數據和相關代碼，我們會持續更新中。

往期教程部分內容

繪圖教程

導入所需R包

if (!require('ggplot2')) install.packages('ggplot2'); library('ggplot2')
if (!require('DESeq2')) install.packages('DESeq2'); library('DESeq2')
if (!require('biomaRt')) install.packages('biomaRt'); library('biomaRt')
if (!require('GEOquery')) install.packages('GEOquery'); library('GEOquery')
if (!require('vsn')) install.packages('vsn'); library('vsn')
if (!require('pheatmap')) install.packages('pheatmap'); library('pheatmap')

導入數據

cts <- read.csv("Input.data.csv",header = T, row.names = 1)

差異分析

##'@分組
sample_type = gsub(".*P7ma","Quiescent",gsub(".*P6ma","Cycling",colnames(cts)));
coldata = data.frame(row.names=colnames(cts), phenotype = sample_type ); #'@DESeq2差異分析
ddsMF <- DESeqDataSetFromMatrix(countData = cts, colData = coldata, design = ~ phenotype)
ddsMF <- DESeq(ddsMF)
resultsNames(ddsMF) #'get normalized counts'@標準化數據
nds <- DESeqTransform( SummarizedExperiment(log2(counts(ddsMF, normalized=TRUE) + 1), colData=colData(ddsMF)) ) # this gives log2(norm_cts + 1)
vsd <- vst(ddsMF, blind=FALSE) # variance stabilization

創建data.frame數據矩陣

quiescent = rownames(coldata)[coldata$phenotype=="Quiescent"]
cycling = rownames(coldata)[coldata$phenotype=="Cycling"]
data_cts_mets_avg = data.frame("quiescent"=rowMeans(assay(vsd)[, quiescent],na.rm=T),"cycling"=rowMeans(assay(vsd)[, cycling],na.rm=T))

繪圖

##'@顯著性差異基因
upCQ = resCQ[!is.na(resCQ$padj) & resCQ$padj < 0.1 & resCQ$log2FoldChange > 1,]
dwCQ = resCQ[!is.na(resCQ$padj) & resCQ$padj < 0.1 & resCQ$log2FoldChange < -1,]
dim(upCQ)
dim(dwCQ)plot(data_cts_mets_avg$quiescent, data_cts_mets_avg$cycling, pch=20, xlab="mRNA expression quiescent cells (Normalized counts)", ylab="mRNA expression cycling cells  (Normalized counts)",cex.lab=1.3,col=rgb(0.6,0.6,0.6,0.5));
abline(0,1,lty=2,col="black");
points(data_cts_mets_avg[rownames(upCQ),"quiescent"], data_cts_mets_avg[rownames(upCQ),"cycling"],pch=20,col=colors()[c(35)])
points(data_cts_mets_avg[rownames(dwCQ),"quiescent"], data_cts_mets_avg[rownames(dwCQ),"cycling"],pch=20,col=colors()[c(125)])
legend("topleft",legend=c("Up in Cycling","Down in Cycling"),col=colors()[c(35,125)],pch=20,inset=0.01,bty="n",cex=1.2)

若我們的教程對你有所幫助，請點贊+收藏+轉發，這是對我們最大的支持。

差異基因散點圖繪制教程

往期部分文章

1. 最全WGCNA教程（替換數據即可出全部結果與圖形）

• WGCNA分析 | 全流程分析代碼 | 代碼一

• WGCNA分析 | 全流程分析代碼 | 代碼二

• WGCNA分析 | 全流程代碼分享 | 代碼三

• WGCNA分析 | 全流程分析代碼 | 代碼四

• WGCNA分析 | 全流程分析代碼 | 代碼五(最新版本)

---

2. 精美圖形繪制教程

• 精美圖形繪制教程

3. 轉錄組分析教程

• 轉錄組上游分析教程[零基礎]

• 一個轉錄組上游分析流程 | Hisat2-Stringtie

4. 轉錄組下游分析

• 批量做差異分析及圖形繪制 | 基于DESeq2差異分析

• GO和KEGG富集分析

• 單基因GSEA富集分析

• 全基因集GSEA富集分析

小杜的生信筆記 ，主要發表或收錄生物信息學教程，以及基于R分析和可視化（包括數據分析，圖形繪制等）；分享感興趣的文獻和學習資料!!