单细胞测序流程(九)单细胞的GO圈图
系列文章目录
文章目录
单细胞测序流程(一)简介与数据下载
单细胞测序流程(二)数据整理
单细胞测序流程(三)质控和数据过滤——Seurat包分析,小提琴图和基因离差散点图
单细胞测序流程(四)主成分分析——PCA
单细胞测序流程(五)t-sne聚类分析和寻找marker基因
单细胞测序流程(六)单细胞的细胞类型的注释
单细胞测序流程(七)单细胞的细胞类型轨迹分析
本期主讲内容——单细胞的GO圈图
咱们在上一个课程中进行了GO富集分析,但是我们无法看到基因在GOterm的富集情况,也无法看到GOterm之间的关系
提示:以下是本篇文章正文内容,下面案例可供参考
一、课前准备
之前所使用的数据(上个课程中运行结果这就是在所需的数据:id.txt与go.txt)
R语言的IDE
二、过程
将准备数据和脚本放在一起,直接运行R的脚本即可,
#install.packages("digest")
#install.packages("GOplot")library(GOplot)
setwd("文件所在的目录") #设置工作目录ego=read.table("GO.txt", header = T,sep="\t",check.names=F) #读取GO富集结果文件
go=data.frame(Category = "All",ID = ego$ID,Term = ego$Description, Genes = gsub("/", ", ", ego$geneID), adj_pval = ego$p.adjust)#读取基因的logFC文件
id.fc <- read.table("id.txt", header = T,sep="\t",check.names=F)
genelist <- data.frame(ID = id.fc$gene, logFC = id.fc$avg_logFC)
row.names(genelist)=genelist[,1]circ <- circle_dat(go, genelist)
termNum = 3 #限定term数目
geneNum = nrow(genelist) #限定基因数目chord <- chord_dat(circ, genelist[1:geneNum,], go$Term[1:termNum])
pdf(file="circ.pdf",width = 11,height = 10.5)
GOChord(chord, space = 0.001, #基因之间的间距gene.order = 'logFC', #按照logFC值对基因排序gene.space = 0.25, #基因名跟圆圈的相对距离gene.size = 5, #基因名字体大小 border.size = 0.1, #线条粗细process.label = 6) #term字体大小
dev.off()termCol <- c("#223D6C","#D20A13","#FFD121","#088247","#58CDD9","#7A142C","#5D90BA","#431A3D","#91612D","#6E568C","#E0367A","#D8D155","#64495D","#7CC767")
pdf(file="cluster.pdf",width = 15,height = 10)
GOCluster(circ.gsym, go$Term[1:termNum], lfc.space = 0.2, #倍数跟树间的空隙大小lfc.width = 1, #变化倍数的圆圈宽度term.col = termCol[1:termNum], #自定义term的颜色term.space = 0.2, #倍数跟term间的空隙大小term.width = 1) #富集term的圆圈宽度
dev.off()
三、结果
从图就可以看出,基因和各个GO之间的关系,图的下方可以看到每个GO的颜色,logFC的值代表基因的表达程度,颜色越深代表富集程度越高,表达成都越高越显著。
图的下方可以看到每个GO的颜色,里面的环为基因,基因在哪里就代表那个GO里有这个基因,比如说有一个基因在三个颜色的环下面,则代表在三个GO中都有,logFC的值代表表达程度,颜色越深代表富集程度越高,表达越显著。
四、结尾
因为这次的结果很多取决于之前的数据,所以必须要把上一节课的内容也要用到,所以要保证之前所得到结果无误才可以。
单细胞测序流程(九)单细胞的GO圈图到这里就已结束了
下一章会讲解kegg富集分析和kegg的圈图的绘画(最后一个课程了)
我所做的所有分析与教程的代码都会在我的个人公众号中,请打开微信搜索“生信学徒”进行关注,欢迎生信的研究人员和同学前来讨论分析。
ps:公众号刚刚建立比较简陋,但是该有的内容都不会少。
单细胞测序流程(九)单细胞的GO圈图相关推荐
- 单细胞测序流程(八)单细胞的marker基因转化和GO富集分析
系列文章目录 单细胞测序流程(一)简介与数据下载 单细胞测序流程(二)数据整理 单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图 单细胞测序流程(四)主成分分析--P ...
- 单细胞测序流程(四)主成分分析——PCA
PCA PCA:线性降维,主要用于数据少的时候使用.看结果的时候,看打分的绝对值大小,而不是单独的看数据的大小,PCA 是最常用的降维方法,通过某种线性投影,将高维的数据映射到低维的空间中表示,并期望 ...
- 单细胞测序流程(三)质控和数据过滤——Seurat包分析,小提琴图和基因离差散点图
质控和数据过滤 准备工具:R. 准备数据:上期经过整理的数据geneMatrix. 注意事项:R的安装目录和文件所在位置都不可有英文. R 语言所需安装的包: #if (!requireNamespa ...
- 单细胞测序流程(五)t-sne聚类分析和寻找marker基因
系列文章目录 单细胞测序流程(一)简介与数据下载 单细胞测序流程(二)数据整理 单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图 单细胞测序流程(四)主成分分析--P ...
- 单细胞测序流程(六)单细胞的细胞类型的注释
系列文章目录 单细胞测序流程(一)简介与数据下载 单细胞测序流程(二)数据整理 单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图 单细胞测序流程(四)主成分分析--P ...
- 单细胞测序流程(七)单细胞的细胞类型轨迹分析
系列文章目录 单细胞测序流程(一)简介与数据下载 单细胞测序流程(二)数据整理 单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图 单细胞测序流程(四)主成分分析--P ...
- 单细胞测序流程(一)简介与数据下载
** 简介 ** 单细胞测序:单细胞测序从宏观来讲是指在单个细胞水平上进行测序. 单细胞转录组测序是指对于单个细胞水平上将mRNA反转录扩增后进行高通量测序的技术.单细胞测序通过在单个细胞水平上进行测 ...
- 单细胞测序分析及单细胞转录组
单细胞测序技术的应用与数据分析.单细胞转录组为主题,精心设计了具有前沿性.实用性和针对性强的理论课程和上机课程.培训邀请的主讲人均是有理论和实际研究经验的人员.学员通过与专家直接交流,能够分享到这些顶 ...
- 单细胞测序之基本的数据处理基本流程
参考文献: Armand EJ, Li J, Xie F, Luo C, Mukamel EA. Single-Cell Sequencing of Brain Cell Transcriptomes ...
最新文章
- 业界丨全球AI人才排行榜:美国第一,中国仅排名第7
- Sublime Text 快捷键
- OpenCV之imgproc 模块. 图像处理(3)霍夫线变换 霍夫圆变换 Remapping 重映射 仿射变换
- 详解css样式处理的优先级
- CF755G PolandBall and Many Other Balls(多项式/倍增fft)
- 前端学习(3288):object.define
- python+OpenCV图像处理(十一)图像轮廓检测
- 管理者每天要做的十件事
- Git钩子脚本可以和存储库一起管理吗?
- 【瑕疵检测】基于matlab瓶盖瑕疵检测【含Matlab源码 730期】
- 切图具体需要切什么内容_【切图】UI设计师要懂得切图技巧
- 简单了解TransE
- linux rescan-scsi-bus.sh,关于rescan-scsi-bus.sh脚本的来历和使用注意事项
- ubuntu 强制删除文件夹
- 报错Error configuring application listener of class jdbc.ContextListener 解决办法之一
- 集算器替代存储过程实现报表数据源
- 【封面】华为解读“生态伙伴”
- 纷享销客对话真趣科技丨撬动一家物联网企业的增长极限
- Spring Security Oauth2 JWT 实现用户认证授权功能
- RAC+ADG(单节点ADG)