跟着Nature学分析 | 批量数据处理 | 直方堆积图 | 散点图

小杜的生信笔记

本期教程

「小杜的生信笔记」，自2021年11月开始做的知识分享，主要内容是「R语言绘图教程」、「转录组上游分析」、**「转录组下游分析」**等内容。凡事在社群同学，可免费获得自2021年11月份至今全部教程，教程配备事例数据和相关代码，我们会持续更新中。

往期教程部分内容

---

数据处理

有N个数据需要进行处理，每个文件中有N个文件，如下所示。需进行批量处理数据。

加载R包

setwd("D:\\BioinfoFile\\小杜的生信笔记\\2024\\20240511_分析手稿中IFN治疗的成像数据")

##'@导入所需R包
library('stringr')
library('tidyverse')
library('ggplot2')

创建分析文件夹

dir.create(file.path(".","figure"),showWarnings = TRUE)
dir.create(file.path(".","result"),showWarnings = TRUE)

加载数据及提取

base_path = "./ifn_treatment/"
replicates = list.files(base_path,"exp.*")

data.ifn = NULL
# For each replicate experiment
for( replicate in replicates ){

    data.rep = NULL# data.frame with measurement for one replicate

    replicate_path = paste(base_path,replicate,"/",sep="")
    files_list = list.files(replicate_path,".*red_quant.csv")  

    # For each sample within a replicate experiment
    for( file_name in files_list ){

        well_id = str_extract(file_name,"W\\d+")
        fv_id = str_extract(file_name,"F\\d+")
        data_red = read.csv(paste(replicate_path,file_name,sep=""),sep=",",row.names=1)
        data_green = read.csv(paste(replicate_path,gsub("red","green",file_name),sep=""),sep=",",row.names=1)

        data = merge(data_red, data_green, by="row.names",suffix=c("_red","_green"))
        data$cell_id = paste(data$Row.names)
        data$well_id = well_id
        data$fv_id = fv_id
        data$replicate = replicate
        data$Row.names = NULL
        data = data[,c("well_id","fv_id","cell_id","replicate","Area_red","Mean_red","Median_red","Mean_green","Median_green")]

        if(is.null(data.rep)){
            data.rep = data
        } else {
            data.rep = rbind(data.rep,data)
        }
    }

    #retrieve experimental design
    exp_design = read.csv(paste(replicate_path,"experimental_design.csv",sep=""),sep=","); exp_design$cell_num = as.factor(exp_design$cell_num);

    #merge results table with experimental design
    data_m = as_tibble(merge(data.rep, exp_design, by.x="well_id", by.y="well"))

    #merge table with previous replicates
    if(is.null(data.ifn)){
        data.ifn = data_m
    } else {
        data.ifn = rbind(data.ifn, data_m)
    }

}

### Quality control
str(data.ifn)
summary(data.ifn)
dim(data.ifn)

保存数据

write.csv(data.ifn,"./result/data.ifn.output.csv")

绘图

1. 绘制直方堆积图

ggplot(data.ifn %>%
         mutate(group = paste(cell_line,"_",cell_num,sep="")),
       aes(x=Median_red, fill=group))+
  geom_histogram(color = "white", alpha = 0.5, position = "identity")+
  scale_x_log10()+ ##'@X轴进行log10()处理
   facet_wrap(~ replicate)

2. 散点图

ggplot(data.ifn, aes(x=Median_red, y=Area_red) ) +
  geom_bin2d(bins = 70) +
  facet_wrap(~ cell_line+replicate) +
  scale_x_log10() + 
  scale_y_log10() + 
  theme_bw()

若我们的教程对你有所帮助，请点赞+收藏+转发，这是对我们最大的支持。

往期部分文章

「1. 最全WGCNA教程（替换数据即可出全部结果与图形）」

• WGCNA分析 | 全流程分析代码 | 代码一
• WGCNA分析 | 全流程分析代码 | 代码二
• WGCNA分析 | 全流程代码分享 | 代码三
• WGCNA分析 | 全流程分析代码 | 代码四
• WGCNA分析 | 全流程分析代码 | 代码五(最新版本)

---

「2. 精美图形绘制教程」

• 精美图形绘制教程

「3. 转录组分析教程」

• 「转录组上游分析教程[零基础]」
• 「一个转录组上游分析流程 | Hisat2-Stringtie」

「4. 转录组下游分析」

• 批量做差异分析及图形绘制 | 基于DESeq2差异分析
• GO和KEGG富集分析
• 单基因GSEA富集分析
• 全基因集GSEA富集分析

「小杜的生信筆記」 ，主要发表或收录生物信息学教程，以及基于R分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料!!

微信扫一扫分享文章