16分析之差异分析(limmar)


1.16s分析之差异OTU 挑选(edgeR)

2.16s分析之差异分析(DESeq2)


limmar package是一个集大成的包,对载入数据、数据前处理(背景矫正、组内归一化和组间归一化都有很多种选择方法)、差异基因分析都有很多的选择。但是这里我当然全部没有研究这这些功能,加油吧!


另外,本人唯一的实验数据结果又达不到预期,明天就是汇报,看来我只能做一个观众了!只能默默祭奠我的劳动吧,劳动光荣!

下面是整个分析过程,一次性贴出来吧,也不进行过多

#limma基于相对丰度计算差异

library(limma)

setwd("E:/Shared_Folder/HG_usearch_HG")

# 读入实验设计

design =read.table("map_lxdjhg.txt", header=T, row.names= 1,sep="\t")

# 读取OTU表

otu_table = read.delim("otu_table.txt",row.names= 1, sep="\t",header=T,check.names=F)

#本步骤采用otu。table基于抽平后的qiime文件,去掉第一行,和第二行首行的#符号,即可导入成功。

# 过滤数据并排序

idx =rownames(design) %in% colnames(otu_table)

idx

sub_design =design[idx,]

count =otu_table[, rownames(sub_design)]

head(count)

# 转换原始数据为百分比,

norm =t(t(count)/colSums(count,na=T))

#下面来筛选差异otu

design.mat =model.matrix(~ 0 + sub_design$SampleType)

colnames(design.mat)=levels(design$SampleType)

#可以同时设置好几组比较

contrast.matrix<- makeContrasts(GC1-G0, levels=design.mat)

#行线性模型拟合

fit <-lmFit(norm, design.mat)

#根据对比模型进行差值计算T-test对数据进行计算

fit2 <-contrasts.fit(fit, contrast.matrix)

#贝叶斯检验

fit2 <-eBayes(fit2)

#"fdr"(equivalent to "BH");lfc(log2-fold-change )

results<-decideTests(fit2,method="global", adjust.method="BH", p.value=0.05, lfc=0)

summary(results)

x<-topTable(fit2,coef=1, number=10000, adjust.method="BH", sort.by="p",resort.by=NULL)

head(x)

#提取各组相对丰度均值

Y=fit$coefficients

head(Y)

#提取我们需要的组

Y=data.frame(Y)

R=Y[c("GC1","G0")]

head(R)

#合并,将相对丰度放在前面

index =merge(R,x, by="row.names",all=F)

head(index)

#存为.xls文件

write.table(index,file="差异比较测试limma.xls", row.names=F, sep="\t")

#存为.txt文件

write.table(index,"差异比较测试limma.txt",quote= FALSE,row.names = F,

col.names = T,sep = "\t")

结果展示:

如果对差异进行可视化请选择:

16s分析之差异展示(热图)


学习永无止境,分享永不停歇!

(0)

相关推荐

  • 答读者问第一弹:R里面差异分析的limma包用法细节

    又一次收到一个同样的求助,我不得不写推文来公开介绍这个知识点,希望大家转发给所有的初学者,别再犯糊涂了! 问题描述如下: 曾老师,这是limma包的第42页,我也在附件里面给您发了这个,我想问下,这个 ...

  • 多种批次效应去除的方法比较

    前面我在生信技能树推文:你确定你的差异基因找对了吗? 提出了文章的转录组数据的60个样品并没有按照毒品上瘾与否这个表型来区分,而是不同人之间的异质性非常高,这个时候我提出来了一个解决方案,就是理论上就 ...

  • 不同癌症内部按照estimate的两个打分值高低分组看蛋白编码基因表达量差异

    前面的教程 不同癌症的差异难道大于其与正常对照差异吗,以及 大样本量多分组表达量矩阵分析你难道没想到单细胞吗,我们认识了TCGA数据库的33种癌症的全部的表达量矩阵,并且格式化保存为了 Rdata 文 ...

  • 16s分析之差异分析(DESeq2)

    今天我们来学习R语言DESeq2包,原理什么的后不说,在操作过程中点缀一下,等四个差异包推送完成后,咱们在对这四个包做差异分析的原理做一个比较分析: 这个包适用于: 高通量数据分析过程中,基于coun ...

  • ETF拯救世界策略分析第16期-分级A(3)

    关  注  公  众 号:小鱼量化 公号ID:xiaoyulianghua 这是长赢指数投资分级A策略分析的第三篇了,前两篇文章主要介绍了分级A的投资价值.未来是否还有投资机会.分级A的定义.分级A下 ...

  • 布莱顿vs西汉姆联分析预测2021.05.16

    英超布莱顿vs西汉姆联比赛赔率比较 数据分析: 1.布莱顿在最近10场比赛中取得3胜2平5负,在英超联赛中以37分排名第15. 2.西汉姆联在最近10场比赛中取得4胜1平5负,在英超联赛中以58分排名 ...

  • 全球专利分析市场规模2027年将达16亿美元

    作者:肖研 据国外咨询机构财富商业洞察的报告显示,2019年全球专利分析市场规模为6.579亿美元,预计到2027年将达到16.684亿美元,预测期内复合年增长率为12.4%. 这份报告认为从专利信息 ...

  • 西布罗姆维奇vs利物浦分析预测2021.05.16

    英超西布罗姆维奇vs利物浦比赛赔率比较 数据分析: 1.西布罗姆维奇在最近10场比赛中取得3胜3平4负,在英超联赛中以26分排名第19. 2.利物浦在最近10场比赛中取得5胜3平2负,在英超联赛中以5 ...

  • 布鲁克林篮网vs芝加哥公牛分析预测2021.05.16

    NBA布鲁克林篮网vs芝加哥公牛比赛赔率比较 数据分析: 1.布鲁克林篮网在最近10场比赛中取得6胜4负,在NBA东部联盟中以46胜排名第2. 2.芝加哥公牛在最近10场比赛中取得4胜6负,在NBA东 ...

  • 李钜财:5.16黄金白银下周最新走势分析及独家操作建议附空单解套指导

    黄金下周行情走势预测: 黄金消息面解析:周五(5月14日),现货黄金延续反弹走势,有望恢复涨势,美元指数则继续回落.此前美联储官员继续安抚本周市场对美国通胀加速的不安情绪,表示美国就业市场两大意愿存在 ...

  • 新冠肺炎实时疫情追踪分析2021.5.16

    海外病例 默认按累计确诊排序 地区 新增确诊 累计确诊 治愈 死亡 疫情 地区 新增确诊 累计确诊 治愈 死亡 疫情 美国 25642 33695916 27098620 599863 详情 印度 2 ...

  • 9月16日赛意转债申购分析&价格预估

    昨天有3只新债上市,开盘即最高价,随后一路下跌,跌幅最大的当属齐翔转2(128128).正股跌停10%,转债上市首日振幅高达19.72%.有童鞋在盘前就挂单115买入,本想套利赚一把,结果被深套. 也 ...