如何用R筛选出高表达的基因,低表达基因

筛选基因


基因表达数据矩阵,输入数据截图:

attachments-2018-06-pZAcAbej5b29eb755b638.jpg

代码部分:

myfpkm<-read.table("All_gene_fpkm.txt",header=TRUE,comment.char="",sep = "\t",check.names=FALSE,row.names=1)
head(myfpkm)
myfpkm[order(rowSums(myfpkm),decreasing=T)[1:5000],]  #筛选表达量高的前5000个基因
myfpkm[rowSums(myfpkm)>1,]  #筛选掉表达量低的基因

minRowFPKM=rowMeans(myfpkm)>2  #按平均数筛选
minNumFPKM=rowSums(myfpkm>0)>10 #表达量不为0的样品个数筛选
myfpkm=myfpkm[minRowFPKM & minNumFPKM,] #联合一下

代码理解不了,可观看《R语言快速入门与提高》视频课程有详细说明。



更多生物信息课程:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程基因家族文献思路解读

2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读转录组(无参)结果解读

3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课:linux系统使用perl入门到精通perl语言高级R语言画图R语言快速入门与提高

7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析GEO芯片数据挖掘 GEO芯片数据不同平台标准化 、GSEA富集分析课程TCGA临床数据生存分析TCGA-转录因子分析TCGA-ceRNA调控网络分析

8.其他,二代测序转录组数据自主分析NCBI数据上传二代测序数据解读

9.更多课程可点击组学大讲堂视频课程

  • 发表于 2018-05-03 18:31
  • 阅读 ( 2434 )
  • 分类:R

0 条评论

请先 登录 后评论
omicsgene
omicsgene

生物信息

218 篇文章

作家榜 »

  1. omicsgene 218 文章
  2. 安生水 179 文章
  3. Daitoue 151 文章
  4. microRNA 116 文章
  5. landy 37 文章
  6. 生信老顽童 33 文章
  7. orange 31 文章
  8. 生物女学霸 30 文章