【复现】RRA整合4套GEO数据差异表达基因

上一期，给大家介绍了

☞【R语言】Robust Rank Aggregation(RRA)方法介绍

今天我们使用RRA方法来复现一篇paper中的结果。

这篇文章的标题就直奔主题，“应用Robust rank aggregation 法筛选肝癌的差异表达关键基因”。

本文中一共分析了四套肝癌的GEO数据，其实都是公共数据，大家也可以挖掘。

文章整体思路也是很straightforward，就两步。

第一步，通过差异表达分析获取每一套数据中的差异表达基因。小编前面也给大家系统的介绍过GEO数据库检索以及GEO芯片数据差异表达分析

☞GEO数据库数据检索方法（一）

☞GEO数据库数据检索方法（二）

☞GEO数据库数据页面介绍（三）

☞GEO芯片数据差异表达分析

☞零代码差异表达分析工具：GEO2R

☞零代码差异表达分析——手把手带你GEO实战

差异基因分析之后，作者绘制了四张火山图

前面小编也给大家介绍过火山图怎么看，以及怎么绘制火山图。

☞火山图怎么看

☞R一行代码搞定火山图

☞手把手教你绘制火山图

第二步，就是使用RRA方法来对四套GEO数据中获取的差异表达基因进行整合和排序。

这里分别挑选了整合之后上调的top10基因和下调的top10基因，来绘制了这张热图。小编前面也给大家介绍过热图的绘制

☞【R语言】热图绘制-heatmap函数

☞【R语言】热图绘制-heatmap函数+默认配色方案

☞【R语言】热图绘制-heatmap+gplots配色方案

☞【R语言】热图绘制-heatmap+grDevice配色方案

下面是我们通过RRA分析之后，绘制的热图。看上去比原文里里面的好像还美观一点~~~。红色部分对应的是整合之后上调top10基因，蓝色部分对应的是整合之后下调top10基因。

完整代码参考☟☟☟

【复现】RRA整合4套GEO数据差异表达基因