RNA-seq完整分析过程

linux基本命令

第六章 Linux文件与目录管理

极客学院服务器

---

高通量相关基础知识

生信一百讲

1、 Anaconda

• Anaconda是一个Python下和Canopy类似的的科学计算环境，但用起来更加方便。自带的包管理器conda也很强大，可以解决大多数软件的安装和配置

• 1-1、conda的安装

Conda 官网 https://conda.io/docs/index.html

mkdir bio_soft ## 创建一个文件夹，主演们用来放置软件

cd bio_soft/   ## 进入到该文件夹目录下面

wget https://repo.continuum.io/archive/Anaconda2-5.1.0-Linux-x86_64.sh ## 下载python2.7的Anaconda 

mkdir conda

mv Anaconda2-5.1.0-Linux-x86_64.sh conda ## 将所下载的文件移动到conda目录下

cd conda

bash Anaconda2-5.1.0-Linux-x86_64.sh ## 运行bash命令，一路回车或者yes，会自动在用户所属环境创建一个anaconda2的文件夹，并且自动添加环境变量

export PATH=/home/u883604/anaconda2/bin:$PATH ## 添加路径到环境变量（已添加，可省略）

source ~/.bashrc 

conda ##检测是否安装成功




添加几个通道

conda config --add channels r

conda config --add channels defaults

conda config --add channels conda-forge

conda config --add channels bioconda




无论是conda默认的软件源还是bioconda软件源都是国外的，速度非常慢，所以需要增加国内软件源，同时bioconda已经有清华，中科大两个国内镜像，也添加进去

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes  ## 设置搜索时显示通道地址

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

 查看目前conda软件源情况

conda info

• 1-2、 Conda的几个常用命令

conda search PACKAGENAME ## 查找是否有所需的安装文件

## 也可以在线查询 https://anaconda.org/

conda install PACKAGENAME  ## 安装所需软件

## conda默认安装最新版本的软件，若想安装非最新版的软件输入：conda search bwa查看可选版本 

conda install bwa=版本号

conda list ## 查看所有安装的软件

conda update 软件名 可以对软件进行升级:eg. conda update bwa

conda remove 卸载已经安装的软件

更多详细命令

conda commands

• 1-3 、 Conda环境管理

## 由于我们下载的是python2.7版本的，但是如果我们需要运行python3.0以上的呢？

# 创建一个名为python3的环境，指定Python版本是3.6

conda create --name python3 python=3.6

source activate python3 ## 加载python3的环境

source deactivate ## 使用结束，可以退出环境

conda remove --name python34 --all ## 删除一个已有的环境

参考链接

生信札记

PeterYuan

2、 RNA-seq软件安装

• Tophat2

conda 直接安装

conda install -c bioconda sra-tools

conda install fastqc  ## 不知道是网速还是怎么下载中断好几次，所以改为手动安装了

conda install trimmomatic

conda install tophat2

conda install bowtie2

conda install samtools

conda install cufflinks

有些软件用conda 无法安装，可以尝试手动安装

tophat.png

预编译版本安装

cd bio_soft

[tophat2官网](http://ccb.jhu.edu/software/tophat/index.shtml)

wget http://ccb.jhu.edu/software/tophat/downloads/tophat-2.1.1.Linux_x86_64.tar.gz ## 下载已经编译好了的

mv tophat-2.1.1.Linux_x86_64/ tophat2

cd tophat2/

## 添加环境变量

## 临时添加环境变量

export PATH=/home/u883604/bio_soft/tophat2/:$PATH 

## 长久使用需要修改 ~/.bashrc 文件

vim ~/.bashrc

    PATH=/home/u883604/bio_soft/tophat2/:$PATH ## tophat2所在路径

source ~/.bashrc   

tophat2 -h

源代码安装

如果以上方法安装不成功，可以使用源文件（文件名通常含src）的版本安装

wget 下载链接

tar -zxvf 文件名

cd 文件

#看readme文件里的安装提示，没有该文件的话，自己网上查找




解压命令：

tar -zxvf xxx.tar.gz

tar -jxvf xxx.tar.bz2

安装分三步：

1. 配置： ./configure --prefix=想要指定的路径

2. 编译： make

3. 安装： make install

若安装出问题(没有权限在系统目录下安装)，需要清空上次编译的文档

make clean

./configure --prefix=安装路径

make 

make insatll #可执行文件通常在bin目录下，环境变量设置和源码安装一样

FastQC安装

wget http://www.bioinformatics.babraham.ac.uk/projects/fastqc/fastqc_v0.11.7.zip

unzip fastqc_v0.11.7.zip

cd FastQC/

chmod 777 fastqc

./fastqc -h

vim ~/.bashrc 

    export PATH=/home/u883604/bio_soft/FastQC/:$PATH

source ~/.bashrc

cufflinks安装

wget http://cole-trapnell-lab.github.io/cufflinks/assets/downloads/cufflinks-2.2.1.Linux_x86_64.tar.gz

tar -xzvf cufflinks-2.2.1.Linux_x86_64.tar.gz

cd cufflinks-2.2.1.Linux_x86_64/

vim ~/.bashrc

    export PATH=/home/u883604/bio_soft/cufflinks-2.2.1.Linux_x86_64/:$PATH

source ~/.bashrc

3、 RNA-seq分析流程

3.1下载水稻的参考基因组文件和注释文件

水稻数据库

mkdir -p rna_practice/ref 创建

nohup wget http://rice.plantbiology.msu.edu/pub/data/Eukaryotic_Projects/o_sativa/annotation_dbs/pseudomolecules/version_7.0/all.dir/all.con & ## 参考基因组

nohup wget http://rice.plantbiology.msu.edu/pub/data/Eukaryotic_Projects/o_sativa/annotation_dbs/pseudomolecules/version_7.0/all.dir/all.gff3 & ## 注释文件

# 使用nohup &可以将任务放置后台运行

下载拟南芥的参考基因组文件和注释文件

## 创建文件夹用来放置参考基因组或注释文件

mkdir -p rna_practice/data

cd rna_practice/ref

nohup wget ftp://ftp.ensemblgenomes.org/pub/plants/release-28/fasta/arabidopsis_thaliana/cdna/Arabidopsis_thaliana.TAIR10.28.cdna.all.fa.gz &

nohup wget ftp://ftp.ensemblgenomes.org/pub/plants/release-28/fasta/arabidopsis_thaliana/dna/Arabidopsis_thaliana.TAIR10.28.dna.genome.fa.gz &

nohup wget ftp://ftp.ensemblgenomes.org/pub/plants/release-28/gff3/arabidopsis_thaliana/Arabidopsis_thaliana.TAIR10.28.gff3.gz &

nohup wget ftp://ftp.ensemblgenomes.org/pub/plants/release-28/gtf/arabidopsis_thaliana/Arabidopsis_thaliana.TAIR10.28.gtf.gz &

# 解压缩

gzip -d *.gz

下载测序数据

# 创建一个文件夹，用来存放FASTQ文件(或者公司返回的数据)

mkdir -p rna_practice/data/

cd rna_practice/data/




# 获取样本信息

wget http://www.ebi.ac.uk/arrayexpress/files/E-MTAB-5130/E-MTAB-5130.sdrf.txt

tail -n +2 E-MTAB-5130.sdrf.txt | cut -f 32,36 |sort -u




# 下载数据

# fastq文件下载链接在第几列

# head -n1 E-MTAB-5130.sdrf.txt | tr '\t' '\n' | nl | grep URI

# 根据上述返回数字，获取文件第33列，然后下载fastq文件

# tail -n +2 E-MTAB-5130.sdrf.txt | cut -f 33 | xargs -i wget {}

# 也可以编写批量下载数据的shell脚本，如下：

perl -alne 'if(/.*(ftp:.*gz).*/){print "nohup wget $1 &"}' E-MTAB-5130.sdrf.txt >fq_data_download.sh

bash fq_data_download.sh

paper.png

下载测序数据

# 创建一个文件夹，用来存放FASTQ文件(或者公司返回的数据)

mkdir -p rna_practice/data/

cd rna_practice/data/




#第一种方法

nohup prefetch -v SRR1999345 &

nohup prefetch -v SRR1999346 &

nohup prefetch -v SRR1999347 &

nohup prefetch -v SRR1999348 &




#第二种方法

cat SRR_Acc_List.txt | xargs prefetch -v




#第三种方法

### 创建一个down.sh文件，里面内容如下：

    #！/bin/bash

    for i in `seq 5 8`

    do

    prefetch -v SRR199934${i} &

bash down.sh

本次数据

## ftp格式为SRR/SRR+SRR数字的前三位/SRR号/SRR号.sra

nohup wget ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRR350/SRR3503149/SRR3503149.sra &

nohup wget ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRR350/SRR3503154/SRR3503154.sra &

nohup wget ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRR350/SRR3503151/SRR3503151.sra &

nohup wget ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRR350/SRR3503152/SRR3503152.sra &

将sra文件转换为fq文件

第一种：创建一个fastq-dump.sh文件，内容如下

    #!/bin/bash




    for i in `seq 5 9`

    do 

    nohup fastq-dump --split-3 --gzip SRR199934${i}.sra

    done&

nohup bash fastq-dump.sh &




第二种：创建一个fastq-dump.sh文件，内容如下

#PBS -N fastq-dump   ## 指定任务名 （自定义）

#PBS -l nodes=1:ppn=4  ## 1表示一个线程  4表示4个核  同时也可以指定某个节点如 nodes=node32:ppn=4 （一般不需要改，4个基本够）

#PBS Cl walltime=1:00:00  //请求任务执行时间

#PBS -q batch 

#PBS -V  

cd $PBS_O_WORKDIR

ls *.sra | xargs fastq-dump --split-3 --gzip  ## 所执行的命令（自定义）




qsub fastq-dump.sh  ##提交任务到服务器




集群使用命令参考：

http://hpc.ncpgr.cn:8093/mediawiki/index.php/PBS%E4%BD%BF%E7%94%A8

qsub.png

qstat.png

本流程将sra文件转换为fastq文件使用命令

fastq-dump 一般使用参数

## 单端数据使用命令

fastq-dump  SRR***.sra -O out_path

fastq-dump  --fasta  SRR306998.sra  -O out_path

## 双端数据使用命令

fastq-dump --split-3  SRR***.sra -O out_path




## 在这里我们是采用的是双端测序的数据，所以使用双端的命令

fastq-dump --split-3 --gzip Cr-DJ-2-1.sra  # --gzip 是指生成的文件为压缩的文件，可以节省占用内存

fastq-dump --split-3 --gzip Cr-DJ-2-2.sra

fastq-dump --split-3 --gzip osdrm2-1.sra

fastq-dump --split-3 --gzip osdrm2-2.sra

## 会得到8个fastq文件

得到了fastq文件我们就可以采用不同的RNA-seq protocol来进行分析了

• hppRNA—a Snakemake-based handy parameter-free pipeline for RNA-Seq analysis of numerous samples

RNA-seq protocol compare.png

在进行数据分析前必须进行数据质量的检测，今天略过。。。。

---

Tophat –> Cufflink –> Cuffdiff

1、 对基因组序列建立索引

## 特别注意这里使用的index的gtf或者gff文件一定要与基因组序列文件要对应

mkdir  rice_bowtie2_index  ## 存放水稻参考基因组文件

cd rice_bowtie2_index

bowtie2-build all.fa rice  ## rice为输出的索引的前缀

mkdir rice_gtf  ## 存放水稻的注释文件即gff3文件或者gtf文件

mkdir data 

cd data

ln -s /public/home/qliu/data/B512_data/RNA_data/osdrm2/*.fastq ./ ##建立软链接（类似windows里面的快捷键）

2、将测序数据的reads比对到参考基因组上

mkdir align

cd align

## 这里使用的命令皆为首先创建sh文件，然后提交到集群运行，具体格式参考之前

tophat -p 8 -o CrDJ-1 -G /public/home/qliu/RNA_practice/rice_gtf/all.gff3 /public/home/qliu/RNA_practice/rice_bowtie2_index/rice /public/home/qliu/RNA_practice/data/Cr-DJ-2-1_1.fastq /public/home/qliu/RNA_practice/data/Cr-DJ-2-1_2.fastq




tophat -p 8 -o CrDJ-2 -G /public/home/qliu/RNA_practice/rice_gtf/all.gff3 /public/home/qliu/RNA_practice/rice_bowtie2_index/rice /public/home/qliu/RNA_practice/data/Cr-DJ-2-2_1.fastq /public/home/qliu/RNA_practice/data/Cr-DJ-2-2_2.fastq




tophat -p 8 -o osdrm-1 -G /public/home/qliu/RNA_practice/rice_gtf/all.gff3 /public/home/qliu/RNA_practice/rice_bowtie2_index/rice /public/home/qliu/RNA_practice/data/osdrm2-1_1.fastq /public/home/qliu/RNA_practice/data/osdrm2-1_2.fastq




tophat -p 8 -o osdrm2-2 -G /public/home/qliu/RNA_practice/rice_gtf/all.gff3 /public/home/qliu/RNA_practice/rice_bowtie2_index/rice /public/home/qliu/RNA_practice/data/osdrm2-2_1.fastq /public/home/qliu/RNA_practice/data/osdrm2-2_2.fastq




## 参数说明

-p 8 表示使用8个线程

-o CrDJ-1 表示结果文件输出到CrDJ-1文件夹中（不需要自己提前创建）

-G 后面跟基因组注释文件

/public/home/qliu/RNA_practice/rice_bowtie2_index/rice  表示之前所建立的基因组index所指定的前缀

所以参考的模板为

tophat -p 8 -G genes.gtf -o C1_R1_thout index C1_R1_1.fq C1_R1_2.fq




## 注意如果是链特异性测序比对的时候需要加参数 --library-type （后跟你的测序类型）

fr-firststrand,fr-secondstrand 

(详情见 https://www.jianshu.com/p/a63595a41bed )

3、对每个样本进行转录本组装

mkdir cufflinks

cufflinks -p 8 -o CrDJ-1 /public/home/qliu/RNA_practice/align/CrDJ-1/accepted_hits.bam




cufflinks -p 8 -o CrDJ-2 /public/home/qliu/RNA_practice/align/CrDJ-2/accepted_hits.bam




cufflinks -p 8 -o osdrm2-1 /public/home/qliu/RNA_practice/align/osdrm-1/accepted_hits.bam




cufflinks -p 8 -o osdrm2-2 /public/home/qliu/RNA_practice/align/osdrm2-2/accepted_hits.bam

4、将所有的转录本进行组装

• 首先创建一个assemblies.txt（里面应包含上一部得到的gtf文件的路径）

## 创建文件可以使用vim assemblies.txt (将gft文件所在路径粘贴进去即可)

/public/home/qliu/RNA_practice/cufflinks/CrDJ-1/transcripts.gtf

/public/home/qliu/RNA_practice/cufflinks/CrDJ-2/transcripts.gtf

/public/home/qliu/RNA_practice/cufflinks/osdrm2-1/transcripts.gtf

/public/home/qliu/RNA_practice/cufflinks/osdrm2-1/transcripts.gtf

• 将所有的转录本合并到一个转录本中，形成一个新的转录本注释文件

## 不需要提交服务器 直接运行即可

mkdir cuffmerge

cd cuffmerge

cuffmerge -g /public/home/qliu/RNA_practice/rice_gtf/all.gff3 -s /public/home/qliu/RNA_practice/rice_bowtie2_index/all.fa -p 8 assemblies.txt




参数说明

-g 后面跟参考基因组的注释文件

-s 后面跟参考基因组序列文件

-p 线程数

5、获得基因表达文件

mkdir cuffdiff

cuffdiff -o ./diff_out/ -b /public/home/qliu/RNA_practice/rice_bowtie2_index/all.fa -p 8 -L CrDJ,osdrm2 -u /public/home/qliu/RNA_practice/cuffmerge/merged_asm/merged.gtf /public/home/qliu/RNA_practice/align/CrDJ-1/accepted_hits.bam,/public/home/qliu/RNA_practice/align/CrDJ-2/accepted_hits.bam /public/home/qliu/RNA_practice/align/osdrm-1/accepted_hits.bam,/public/home/qliu/RNA_practice/align/osdrm2-2/accepted_hits.bam

6、根据文章设立的阈值，挑选差异基因

awk '{if(($10<-2)&&($11<0.001))print $3"\t"$8"\t"$9"\t"$10}' gene_exp.diff | grep -v 'inf' > down.txt  ## 筛选出下调的基因（log2_fold_change < -2 & pvalue < 0.001）




awk '{if(($10>2)&&($11<0.001))print $3"\t"$8"\t"$9"\t"$10}' gene_exp.diff | grep -v 'inf' > up.txt ## 筛选出上调的基因（log2_fold_change > 2 & pvalue < 0.001




## 参数说明 

grep -v 输出不含inf的所有信息

---

Subread -> featureCounts -> DESeq2

1、 subread-buildindex 建立索引 （速度贼快 ~2.4min,可在计算节点直接运行，不需提交）

subread-buildindex -o rice rice.fa  

# rice.fa 为之前一样的水稻参考基因组序列

# -o 输出索引的前缀

2、 subjunc 进行比对

mkdkir align

cd align

subjunc -T 5 -i /public/home/qliu/data/index/rice_subread_index/rice -r /public/home/qliu/RNA_practice/data/Cr-DJ-2-1_1.fastq -R /public/home/qliu/RNA_practice/data/Cr-DJ-2-1_2.fastq -o Cr-DJ_1 




subjunc -T 5 -i /public/home/qliu/data/index/rice_subread_index/rice -r /public/home/qliu/RNA_practice/data/Cr-DJ-2-2_1.fastq -R /public/home/qliu/RNA_practice/data/Cr-DJ-2-2_2.fastq -o Cr-DJ_2




subjunc -T 5 -i /public/home/qliu/data/index/rice_subread_index/rice -r /public/home/qliu/RNA_practice/data/osdrm2-1_1.fastq -R /public/home/qliu/RNA_practice/data/osdrm2-1_2.fastq -o osdrm2_1




subjunc -T 5 -i /public/home/qliu/data/index/rice_subread_index/rice -r /public/home/qliu/RNA_practice/data/osdrm2-2_1.fastq -R /public/home/qliu/RNA_practice/data/osdrm2-2_2.fastq -o osdrm2_2




## 查看bam文件命令,比如查看前几行

samtools view file.bam |head




## 参数说明 (具体说明直接运行 subjunc )

-T 线程数

-i 之前建立的基因组索引的前缀

-r 接fastq文件

-R 双端测序的fastq文件

-o 输出名

subread-align.png

subread_align.png

3、 featureCounts 进行定量

mkdir featureCounts

cd featureCounts

featureCounts -p -T 6 -a /public/home/qliu/RNA_practice/rice_gtf/rice.gtf -o Cr_DJ-osdrm2_fCount.out /public/home/qliu/RNA_practice/subread/align/Cr-DJ_1 /public/home/qliu/RNA_practice/subread/align/Cr-DJ_2 /public/home/qliu/RNA_practice/subread/align/osdrm2_1 /public/home/qliu/RNA_practice/subread/align/osdrm2_2 

## 注意参数

-t 默认exon

-g 默认gene_id

用之前请查看自己的gff文件或者gtf文件

4、 提取定量的信息

awk -F '\t' '{print $1,$7,$8,$9,$10}' OFS='\t' Cr_DJ-osdrm2_fCount.out > WT_osdrm2_matrix.out




## Cr_DJ-osdrm2_fCount.out数据中只有第一列和从第七列(即第一个bam文件)到最后一列信息才是我们所需要的，即我们这里有四个bam文件所以提取第7到10列




# 参数说明

\t 表示以制表符分割开来

5、 将矩阵导入R中，采用DESeq2进行差异分析

> countdata <- read.table("WT_osdrm2_matrix.out", header=TRUE, row.names=1) #导入数据

> 

> head(countdata) # 查看数据前几行(列名 太长自己展示看)

> 

> colnames(countdata) <- c("WT_1","WT_2","DRM2_1","DRN2_2") # 修改列名




> head(countdata)

               WT_1 WT_2 DRM2_1 DRN2_2

LOC_Os01g01010 1250 1250    948    574

LOC_Os01g01019   66   66    136    114

LOC_Os01g01030  535  535    665    464

LOC_Os01g01040 1531 1531   1225    847

LOC_Os01g01050  556  556    742    524

LOC_Os01g01060 2925 2925   3312   2374




> dim(countdata) # 查看数据维度，即几行几列

[1] 55986     4




>  condition <- factor(c("WT","WT","DRM2","DRM2")) # 赋值因子，即变量




> library(DESeq2) # 这一步以后基本可以复制粘贴




> coldata <- data.frame(row.names=colnames(countdata), condition) # 创建一个condition数据框




> dds <- DESeqDataSetFromMatrix(countData=countdata, colData=coldata, design=~condition) ##构建dds矩阵(后面很多分析都是基于这个dds矩阵)




> dds <- DESeq(dds)




> resdata <- results(dds)




> table(resdata$padj<0.05) # p<0.05的基因数







> res_padj <- resdata[order(resdata$padj), ]  ##按照padj列的值排序




> names(resdata)[1] <- "Gene" # 将第一列的列名改为Gene




> write.table(resdata, file="diffexpr_padj_results.csv",sep = "\t",row.names = F) ## 将结果文件保存到本地




## 筛选差异基因

> subset(resdata,pvalue < 0.001) -> diff ## 先筛选pvalue < 0.01的行

 

> subset(diff,log2FoldChange < -2) -> down ## 筛选出下调的




> subset(diff,log2FoldChange > 2) -> up ## 筛选出上调的




> dim(down)

[1] 1124   11




> dim(up)

[1] 3023   11

6、 DESeq2分析中得到的resdata进行绘制火山图

rm(list=ls())

## 加载DESeq2中生成的resdata文件

resdata <- read.csv(file.choose(),header = T , sep = "\t")

threshold <- as.factor(ifelse(resdata$padj < 0.001 & 

                                abs(resdata$log2FoldChange) >= 2 ,

                              ifelse(resdata$log2FoldChange >= 2 ,'Up','Down'),'Not'))

ggplot(resdata,aes(x=log2FoldChange,y=-log10(padj),colour=threshold)) +

  xlab("log2(Fold Change)")+ylab("-log10(qvalue)") +

  geom_point(size = 0.5,alpha=1) +

  ylim(0,200) + xlim(-12,12) +

  scale_color_manual(values=c("green","grey", "red"))

火山图.png

原文献图

PP_原始火山图.png

7、 GO富集分析

• 打开网页PCSD输入我们得到的差异基因，这里拿上调的差异基因为例，看到有几个选项，因为我这里是没有区分TE和Non TE的所以我直接选了第一个

GO分析—1.png

• 点击submit

## 由于下载分GOSlim文件的ID为转录本ID，所以要先进行处理

sed -e 's/\.[0-9]\{1\}//g' all.GOSlim_assignment > new_GOSlim.txt

## 将gene ID转换为GO ID

all.GOSlim  <- read.table("/public/home/qliu/data/rice_data/rice_all.dir/new_GOSlim.txt",sep = "\t",header =T)




colnames(all.GOSlim) <- c("ID","GO_number","Background","Pathyway","IEA","TAIR")




up_gene <- read.table("up.gene",header=FALSE)




colnames(up_gene) <- "ID"




library(dplyr)




## 筛选出up gene 所在的GO_ID

left_join(up_gene,all.GOSlim,by = "ID") -> temp.data




GO_ID <- as.matrix(temp.data[,2])




GO_ID <- as.character(GO_ID[,1])




require(AnnotationHub)

ah <- AnnotationHub()

ah$species[which(ah$species == "Oryza sativa")] ## 水稻有几个数据库

query(ah, "Oryza sativa") ## 查找编号

> query(ah, "Oryza sativa")

    AnnotationHub with 2 records

    # snapshotDate(): 2017-10-27 

    # $dataprovider: Inparanoid8, ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/

    # $species: Oryza sativa, Oryza sativa_Japonica_Group

    # $rdataclass: Inparanoid8Db, OrgDb

    # additional mcols(): taxonomyid, genome, description, coordinate_1_based, maintainer,

    #   rdatadateadded, preparerclass, tags, rdatapath, sourceurl, sourcetype 

    # retrieve records with, e.g., 'object[["AH10561"]]' 

    title                                    

    AH10561 | hom.Oryza_sativa.inp8.sqlite             

    AH59059 | org.Oryza_sativa_Japonica_Group.eg.sqlite




## subset(ah, species == 'Oryza sativa' & rdataclass == 'OrgDb')

rice_ref <- ah[['AH59059']]







## 查看rice_ref信息

str(rice_ref) 

mode(rice_ref)

class(rice_ref)

columns(rice_ref)  ## 这个可看

keytypes(rice_ref) ## 这个后面需要用到，这里我导入的是的GO号

head(keys(rice_ref,keytype = "GO"))




library("clusterProfiler")

PP_GO <- read.table(file.choose(),header=FALSE)  ## 只有GO号的文件

PP_GO <- as.character(PP_GO[,1])

PP_test <- enrichGO(gene         = PP_GO,

                    OrgDb         = rice_ref,

                    keyType = "GO",

                    pAdjustMethod = "BH", ## “holm”, “hochberg”, “hommel”, “bonferroni”, “BH”, “BY”, “fdr”, “none”

                    ont      = "CC" , ## 可选"BP" "CC" "MF"

                    pvalueCutoff  = 0.01,

                    qvalueCutoff  = 0.05)

dotplot(PP_test, showCategory=30)

enrichMap(PP_test, vertex.label.cex=1.2,layout=igraph::layout.kamada.kawai)

barplot(PP_test,showCategory=12,font.size=7,title="groupGO Cellular Component")

library(topGO)

plotGOgraph(PP_test)

GO—1.png

GO-2.png

GO-3.png

GO-4.png

---

其他一些图

## 热图  

## 相关系数图

## 散点图




## heatmap

rm(list=ls()) ## 清除当前环境变量

resdata <- read.csv(file.choose(),header = T , sep = "\t") ## 导入数据PP_data_diffexpr_padj_results

subset(resdata,padj < 0.001 & abs(resdata$log2FoldChange) >= 2) -> diff_gene ## 筛选出差异基因

diff_gene[,8:ncol(diff_gene)] -> heatmap_data ## 提取counts value所在列

## ncol(diff_gene) ## 表示该数据有多少列

rownames(heatmap_data) <- as.array(diff_gene[,1]) ## 添加行名

as.matrix(heatmap_data) -> x  ## 转换数据格式




library(pheatmap)  # 加载包 如果未安装先install.packages("pheatmap")

pheatmap(x,scale="row",cellwidth=40,cellheight=0.1, ## 设置热图每个格子的宽高

         cluster_col = F,cluster_row= F, ## 按行还是按列聚类，一般按行，即基因

         main="The PP_data diff_gene heatmap ", (标题)

         fontsize=5,treeheight_row = 2,show_rownames= F, ## 是否显示行名(基因名)

         cutree_row=1,display_numbers = FALSE, ## 是否显示数值

         color = colorRampPalette(c("green","white","red"))(100), ## 设置颜色

         clustering_distance_rows = "correlation", #filename="out.pdf"







## 相关系数图

## 还是用上面的resdata数据

install.packages("corrplot")

library(corrplot)

resdata[,8:ncol(diff_gene)] -> heatmap_data  ## 提取WT以及osdrm2 counts value所在的列

cor(heatmap_data) -> cor_data ## 计算相关系数值

corrplot(cor_data,type = "upper") ## 绘制相关系数图




## counts散点图(也可以用来看相关性)

install.packages("ggplot2")

library(ggplot2)

ggplot(resdata,aes(x= resdata$WT_1,y=resdata$WT_2)) + 

  geom_point() + xlim(0,80000) + ylim(0,80000) +

  geom_abline() + theme_bw() +

  xlab("WT_1") +ylab("WT_2") +

  theme(panel.border = element_blank(),panel.grid.major = element_blank(),

        panel.grid.minor = element_blank(),axis.line = element_line(colour = "black"))




ggplot(resdata,aes(x= resdata$DRM2_1,y=resdata$DRN2_2)) + 

  geom_point() + xlim(0,80000) + ylim(0,80000) +

  geom_abline() + theme_bw() +

  xlab("DRM2_1") + ylab("DRM2_2") +

  theme(panel.border = element_blank(),panel.grid.major = element_blank(),

        panel.grid.minor = element_blank(),axis.line = element_line(colour = "black"))

heatmap.png

corrplot.png

WT.png

drm2.png

其他流程

• HISAT2 -> HTSeq -> DESEq2

• HISAT2 ->StringTie -> Ballgown

• kallisto -> sleuth

• ....

差异分析R包

• DESeq / DESeq2

• edger

• DEGSeq 无重复样本的差异分析

• DEXseq

• limma

• GFOLD ## 无重复样本的差异分析

最后我平时参考的论坛

• github 一个开源的网站，大佬们都把源码放置在上面，比如已发表paper的源码

• 生信技能树

• omicshare

• rabbit gao个人博客

• 基因课

• 小木虫

• r-bloggers

• 感谢爱分享的各位生信人

• 逛的太多-- 就不一一举例了

一直相信勤能补拙

天道酬勤.png

如有问题请留言。。。