R语言 转录组差异基因

要分析转录组差异基因，可以使用R语言中的DESeq2包。首先，需要导入DESeq2包并安装所需的依赖项。可以使用以下命令来完成这一步骤：

#source("https://bioconductor.org/biocLite.R") #载入安装工具
#BiocManager::install("DESeq2")#安装包
library(DESeq2)

接下来，将基因表达量数据和分组信息导入R环境中，并创建一个DESeqDataSet对象。可以使用以下命令来实现：

mycounts_1 <- round(mycounts_1, digits=0) #将输入数据取整，若为count数据不需要这一步
dds <- DESeqDataSetFromMatrix(countData = mycounts_1, #基因表达量表
                              colData = mymeta, #分组信息表
                              design = ~dex) #分组信息里的列名

然后，可以使用DESeq函数来进行差异表达分析，并将结果保存在一个DESeqResults对象中。可以使用以下命令来完成这一步骤：

dds <- DESeq(dds)
res <- results(dds)

接下来，可以查看差异表达基因的前几行，以及结果对象的类别。可以使用以下命令来实现：

head(res)
class(res)

如果需要将结果保存为一个数据框，可以使用以下命令：

res_1 <- data.frame(res)
class(res_1)
head(res_1)

为了进一步分析差异基因的上下调情况，可以使用dplyr包中的mutate函数将基因分为上调、下调和不显著差异的三个组，并统计每个组中基因的数量。可以使用以下命令来实现：

library(dplyr)
res_1 %>%
  mutate(group = case_when(
    log2FoldChange >= 1 & pvalue <= 0.05 ~ "UP",
    log2FoldChange <= -1 & pvalue <= 0.05 ~ "DOWN",
    TRUE ~ "NS"
  )) -> res_2
table(res_2$group)

最后，如果需要将上述结果保存为CSV文件，可以使用以下命令：

write.csv(res_2, file = "res_2.csv")

这样，就可以完成R语言中转录组差异基因的分析。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [转录组-DESeq2筛选差异基因](https://blog.csdn.net/weixin_59909329/article/details/124035131)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [转录组-差异基因热图](https://blog.csdn.net/weixin_59909329/article/details/124774333)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]