1、DESeq2需要導入兩個數據集：mycounts, colData。先說mycounts，這就是處理完的TCGA數據RNAmatrix.txt，直接讀入即可。

library(tidyverse)

library(DESeq2)

#導入數據

setwd("E:/2.Hitseq_counts/")

mycounts

head(mycounts)

#這里有個x，需要去除，先把第一列當作行名來處理

rownames(mycounts)

#把帶X的列刪除

mycounts

head(mycounts)

2、colData就是對每個樣本的一個情況說明。這個可以生成，也可以自己寫一個保存為csv格式。我一般自己寫。

#載入colData文件

colData

head(colData)

3、構建矩陣

#構建數據矩陣

dds

dds

#查看dds的內容

dds

#接下來，我們要查看treat VS control的總體結果，并根據p-value進行重新排序。利用summary命令統計顯示一共多少個genes上調和下調(FDR0.1)

res = results(dds, contrast=c("condition", "control", "treat")) ##或者res= results(dds)

res = res[order(res$pvalue),]

head(res)

summary(res)

4、輸出結果

#所有結果先進行輸出

write.csv(res,file="All_results.csv")

table(res$padj<0.05)

#獲取padj(p值經過多重校驗校正后的值)小于0.05，表達倍數取以2為對數后大于1或者小于-1的差異表達基因。代碼如下

diff_gene_deseq2 1.5) ##或者diff_gene_deseq2 1 | log2FoldChange < -1))

dim(diff_gene_deseq2)

head(diff_gene_deseq2)

write.csv(diff_gene_deseq2,file= "DEG_treat_vs_control.csv")

總結

以上是生活随笔為你收集整理的mysql的seq2_DESeq2处理TCGA数据库Seq-count数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。