• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • TCGA之获取指定癌症的感兴趣基因的表达量

      TCGA之获取指定癌症的感兴趣基因的表达量

      • 发布者 weinfoauthor
      • 分类 未分类
      • 日期 2019年12月13日
      • 评论 0评论

      本文使用cdgsr包获取感兴趣基因的mRNA表达量,并绘制相关关系图和生存曲线。相关资料来源于一篇Cell文献,原文章是Natural Killer Cells Control Tumor Growth by Sensing a Growth Factor(PMID:29275861)。

      原文相关图示如下,在GBM(胶质细胞瘤)中,NCR2的表达同细胞因子相关基因、细胞循环基因呈现相关关系,NCR2相关的两个生存曲线。

      img

       

      首先是载入需要的R包

      # 载入必要的包
      library("cgdsr")
      library("KEGG.db")
      library("tidyverse")
      library("survival")
      library("survminer")
      

      细胞循环通路和细胞因子通路的所有基因ID可以通过KEGG.db包获取(查询资料得知KEGG.db包已经很久没人维护了,推荐使用KEGGREST,这里仍然使用KEGG.db)。

      #ls("package:KEGG.db")
      cellcycle_genes=KEGGPATHID2EXTID[['hsa04110']] #细胞循环通路基因
      cytokine_genes=KEGGPATHID2EXTID[['hsa04060']] #细胞因子通路基因
      

      使用cgdsr包获取GBM中相应的样本中的mRNA表达量数据:

      ###获取GBM(神经胶质瘤)的表达量数据###
      # 创建CGDS对象
      mycgds <- CGDS("http://www.cbioportal.org/")
      cancerstudies <- getCancerStudies(mycgds)%>% filter(grepl("gbm",.[,1]))%>%select(1)
      cancerstudy <- cancerstudies[5,] # 数据集是"gbm_tcga"
      
      # 获取样本列表gbm_tcga_mrna_U133
      caseL <- getCaseLists(mycgds,cancerstudy)%>%select(1:4) # 选择mRNA表达数据中样本量最大的一组样本
      caselist <- caseL[9,1] #gbm_tcga_mrna_U133
      # 要获取的数据类型:mRNA数据
      geneticP <- getGeneticProfiles(mycgds,cancerstudy) #U133
      geneticprofilter <- geneticP[4,1]
      
      # 根据样本类型和数据类型,使用getProfileData函数获取相应基因的表达量数据
      geneticDatacellcycle <- getProfileData(mycgds,cellcycle_genes,geneticprofilter,caselist)
      geneticDatacytokine <- getProfileData(mycgds,cytokine_genes,geneticprofilter,caselist)
      NCR2_exp <- getProfileData(mycgds,"NCR2",geneticprofilter,caselist)
      

      绘制相关性点图

      #绘图函数,基本上全是Jimmy大神写的函数,多加了一个拟合曲线方程
      cov_plot <- function(x,y){
        plot(x,y,xlab="NCR2",ylab="Gene")
        model<-lm(y~x)
        summary(model)
        intercept <- format(model$coefficients[1], digits = 4)
        slop <- format(model$coefficients[2], digits = 4)
        abline(intercept,slop, lty=1, lwd=2, col="red")
        label <- paste0("y=",as.numeric(slop),"x+",as.numeric(intercept))
        text(0.95*max(x), 0.95*max(y), label, col = "red")
        r= format(cor(x,y),digits = 4)
        p= format(cor.test(x,y)$p.value,digits = 4)
        title(main = paste0('p value=',p), 
              sub  = paste0('correlation=',r))
      }
      #绘制NCR2和细胞循环通路第一个基因ANAPC1之间的相关关系
      cov_plot(NCR2_exp$NCR2,geneticDatacellcycle$ANAPC1)
      

      结果如下,添加了拟合曲线方程,其他基本上是一样的。

      img

      其他基因也是类似的,调整相应的基因名字即可,如果要输出所有的图,可以写一个循环。

      #"ANAPC1"  "ANAPC10" "ANAPC11" "ANAPC13"等基因
      cov_plot(NCR2_exp$NCR2,geneticDatacellcycle$ANAPC1)
      cov_plot(NCR2_exp$NCR2,geneticDatacellcycle$ANAPC10)
      cov_plot(NCR2_exp$NCR2,geneticDatacellcycle$ANAPC11)
      cov_plot(NCR2_exp$NCR2,geneticDatacellcycle$ANAPC13)
      

      原文还有两个个图(I、J)是生存曲线,但是我并没有看懂这两个图是什么意思,下面的生存曲线是NCR2高表达(Q4)与低表达(Q1)对GBM病人总生存率的关系。

      #library("survival") 生存分析需要survival包
      #首先获取临床数据,并取出OS_MONTHS、OS_STATUS两列
      #再根据NCR2的表达量,将其分为"High" "Medium" "Low"
      #最后合并两个表格,只取NCR2的值是"High"和"Low"
      NCR2_clinical <- getClinicalData(mycgds, caselist)%>%select(starts_with("OS")) %>%
        transmute(time=OS_MONTHS*30,status=ifelse(OS_STATUS == "LiVING",0,1)) 
      NCR2_HL <- NCR2_exp %>% 
        mutate(NCR2=ifelse(NCR2>quantile(NCR2)[2],ifelse(NCR2>quantile(NCR2)[4],"High","Medium"),"Low"))
      NCR2_clinical_data <- cbind(NCR2_clinical,NCR2_HL) %>%filter(NCR2_HL!="Medium")
      
      
      #KM生存分析,并绘图即可
      with(NCR2_clinical_data,{
        NCR2_km <<-survfit(Surv(time,status)~NCR2)
      })
      
      #library("survminer")
      ggsurvplot(NCR2_km,data = NCR2_clinical_data, pval = T,
                 title="Kaplan-Meier Curve for NCR2 expression", 
                 legend.title="NCR2", legend.labs=c("High", "Low"))
      

      img

       

      参考资料

      1. TCGA的28篇教程- 指定癌症查看感兴趣基因的表达量
      2. 【r<-统计|绘图】使用R进行生存分析——一文打尽https://www.jianshu.com/p/4ad9ba730719

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      weinfoauthor
      weinfoauthor

      1233

      上一篇文章

      GEO数据库中国区镜像横空出世
      2019年12月13日

      下一篇文章

      横看成岭侧成峰,基因组文件有啥不同?
      2019年12月28日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?