【RNA-seq数据分析】常用图表一键收走

最近抽空整理了以前写的函数，规范tinyarray包，反复检查和优化，调整了好久，终于得到下面的check结果

今天把他提交到CRAN了(是提交不是接收哈，没有那么快)，期待可以直接install.packages的那一天呐。

重新整理了一下安装方式和里面的画图函数供大家参考。

1.安装方式

if(!require(tinyarray))devtools::install_github("xjsun1221/tinyarray")
library(tinyarray)

1.1在线安装

if(!require(devtools))install.packages("devtools")
if(!require(tinyarray))devtools::install_github("xjsun1221/tinyarray",upgrade = F)

1.2.本地安装

https://github.com/xjsun1221/tinyarray

点击这个页面的绿色按键code然后点击Download ZIP，下载到你的工作目录下，用devtools::install_local("tinyarray-master.zip",upgrade = F,dependencies = T)安装。

1.3.安装R包过程中可能出现的问题及解决办法

如果报错说xx包找不到，那就安装它。如果报错信息中出现http,404,internet,url等关键词，说明是网络问题，一般来说本地安装即可解决。

2. 常用图表

动辄十几二十行的代码，每次复制还要改动，做多了实在是很麻烦，所以我写了一些画图函数，一开始是写着玩，后来发现还挺有用，逐步完善中。今天找到了一个非常漂亮的热图配色，虽然是红黄蓝这么简单，但是越看越好看，越看越顺眼呐，就它了，设为默认，可能很久都不会动这个配色了。

2.1热图、PCA、t-SNE、箱线图

先编一个示例数据

exp <-  matrix(rnorm(3000,sd = 3),nrow = 100)
colnames(exp) <- paste0("sample",1:30)
rownames(exp) <- paste0("gene",1:100)
exp[1:4,1:4]#>         sample1   sample2    sample3    sample4
#> gene1 -2.026503 7.1928419 -6.5887243  1.0267023
#> gene2  1.098031 1.2868180  1.6771063  0.2968982
#> gene3 -2.768686 1.0838888 -0.6214766 -1.6120365
#> gene4  2.113145 0.6692397 -1.3044274 -3.3225924
exp[,1:10] = exp[,1:10]-runif(10,0,7)
exp[,21:30] = exp[,21:30]+ runif(10,0,7)
group_list <- factor(rep(c("A","B","C"),each = 10))
exp[1:4,1:4]#>          sample1   sample2    sample3   sample4
#> gene1 -6.0031975  3.216147 -10.565419 -2.949992
#> gene2 -1.7947459 -1.605959  -1.215670 -2.595878
#> gene3 -5.3604331 -1.507859  -3.213224 -4.203784
#> gene4 -0.4283194 -1.872225  -3.845892 -5.864057
table(group_list)
#> group_list
#>  A  B  C 
#> 10 10 10

下面几个图的输入数据都是表达矩阵exp和分组信息group_list(因子)，group_list的每个元素需要和表达矩阵的每一列对应。画图代码，已经简单到无以复加啦。

draw_heatmap(exp,group_list)

draw_pca(exp,group_list)

draw_tsne(exp,group_list,perplexity = 5)

ggheat(t(exp),group_list,show_colnames = F,show_rownames = F)

draw_boxplot(exp[1:6,],group_list)

2.2.火山图

这里的deseq_data是包里的内置数据，是DESeq2差异分析的结果表格。三大R包的差异分析结果绘制火山图，这个函数是都支持的，用pkg参数指定即可。

head(deseq_data)
#>                  baseMean log2FoldChange      lfcSE      stat        pvalue
#> hsa-mir-210    8477.61756       2.999675 0.12351512  24.28589 2.763408e-130
#> hsa-mir-122      66.55815       6.533945 0.27575590  23.69467 4.091886e-124
#> hsa-mir-155    1676.87858       3.490095 0.15302583  22.80723 3.887416e-115
#> hsa-mir-106b    863.34927       1.170438 0.05143452  22.75589 1.254723e-114
#> hsa-mir-508     128.07750      -4.514783 0.19906028 -22.68048 6.982192e-114
#> hsa-mir-21   482523.17286       2.168263 0.09914140  21.87041 4.970741e-106
#>                       padj
#> hsa-mir-210  1.525401e-127
#> hsa-mir-122  1.129361e-121
#> hsa-mir-155  7.152846e-113
#> hsa-mir-106b 1.731517e-112
#> hsa-mir-508  7.708340e-112
#> hsa-mir-21   4.573082e-104
draw_volcano(deseq_data)

2.3 韦恩图

输入数据是一个带有元素名字的列表，这几个元素名字会出现在韦恩图里。

x = list(Deseq2=sample(1:100,30),edgeR = sample(1:100,30),limma = sample(1:100,30))
draw_venn(x,"test")

2.4 KM-plot

KM-plot的代码也简化了，需要病人的生存信息，和用于分组的列。其他的参数看帮助文档咯。

x = survival::lung
draw_KM(meta = x,group_list = factor(x$sex),event_col = "status")

还有一些用于GEO和TCGA分析的函数，我正在系统整理。且听下回分解吧~

今天搞到的这个配色赏心悦目，心情甚好~

如果因为代码看不懂，而跟不上正文的节奏，可以来找我，系统学习。

以下课程都是循环开课。下一期的时间，点进去咨询微信咯

生信零基础入门学习小组

生信入门班（四周线上直播课）

数据挖掘班（医生/医学生首选）