R语言对基因表达量数据RNA-seq做PCA分析

PCA(principal component analysis )主成分分析,可以分析样品之间相关性,确定样品总体上的差异,或者查看是否有批次效应等

输入数据:

attachments-2018-06-4otjU74w5b23bb986f3fd.png

代码部分,筛选基因也可以参照另一篇文章,而不一定是选取200个变化最大的基因,R筛选基因


myfpkm<-read.table("All_gene_fpkm.xls",header=TRUE,comment.char="",sep = "\t",check.names=FALSE,row.names=1)
probesetvar = apply(myfpkm, 1, var)
ord = order(probesetvar, decreasing=TRUE)[1:200]
pca = prcomp(t(myfpkm[ord,]), scale=TRUE)
ss=summary(pca) #绘图:
plot(pca$x[,1:2],col=rep(c(1,2,3,4,1,2,3,4),each=3),pch=rep(c(16,17),each=12))
#或者3D:
library(scatterplot3d)
scatterplot3d(pca$x[,1:3],color=rep(c(1,2,3,4,1,2,3,4),each=3),pch=rep(c(16,17),each=12))

attachments-2018-06-XoRqbPhy5b23bba3a2692.pngattachments-2018-06-sN5ZObFx5b3447890610f.jpg

参考文献:https://www.nature.com/articles/nprot.2009.97

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biolinux搭建生物信息分析环境linux命令处理生物大数据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fastq测序数据解读

9.组学大讲堂全部生物生信数据挖掘课程可点击组学大讲堂视频课程

  • 发表于 2018-06-04 15:21
  • 阅读 ( 6681 )
  • 分类:转录组

0 条评论

请先 登录 后评论
omicsgene
omicsgene

生物信息

252 篇文章

作家榜 »

  1. omicsgene 252 文章
  2. 安生水 212 文章
  3. Daitoue 165 文章
  4. 生物女学霸 94 文章
  5. landy 37 文章
  6. 组学生物-王运斌 34 文章
  7. 红橙子 33 文章
  8. omics007 22 文章