样本相关性分析，样本聚类分析

基因课FTP地址：ftp://http://gsx.genek.tv/2020-3-10%E7%9B%B4%E6%92%AD%E4%B8%80%E4%B8%AA%E5%AE%8C%E6%95%B4%E7%9A%84%E8%BD%AC%E5%BD%95%E7%BB%84%E9%A1%B9%E7%9B%AE/
听张旭东老师的课

加载tidyverse

library(tidyverse)

导入数据 三张表

• 表达矩阵
  gene_exp <- read.table('genes.TMM.EXPR.matrix', header = T, row.names = 1)

• 样本信息表

samples	strain	stage	指标1	指标2	指标3
BLO_S1_LD1	BLO	S1	3.5	3.0	40
BLO_S1_LD2	BLO	S1	3.8	3.2	48
BLO_S1_LD3	BLO	S1	3.0	3.0	50
BLO_S2_LD1	BLO	S2	9.5	13.0	90
BLO_S2_LD2	BLO	S2	9.8	13.2	88
BLO_S2_LD3	BLO	S2	10.0	13.0	90

• 基因信息表
  • Rstudio中导入数据时用 Comment选项跳过开头是 # 的行
  • 信息数据不标准，需要进一步加工，所有建议导tibble的数据格式(Rstudio的Dataimport中第二项)，用readr R包
    不要行名 —— 因为tibble格式没有行名
  • 需要更换列名
    %>%
    select(Gene_Id = X1,
    Gene_Symbol = X6,
    GO = X7,
    Ko = X9,
    Pathway = X10,
    COG = X21,
    Gene_name = X22)

第一件事——样本相关性分析

cor(gene_exp) # 相关性计算

• 相关系数分类
  • 皮尔森相关系数 pearson
    线性相关
  • 斯皮尔曼相关系数 spearman
    等级相关
  • 肯德尔相关系数 kendall
    适用于离散变量、分类型变量的相关系数
• 举例
  • 计算两个基因之间的相关系数，用皮尔森相关系数
  • 肿瘤分期相关基因，分期之间是等级相关，用斯皮尔曼相关系数
  • 哪些基因与性别相关，用肯德尔相关系数
• 计算样本相关系数，直接用皮尔森相关系数即可
• command
  sample_cor <- round(cor(gene_exp) , digits = 2) # round保留两位小数
  sample_cor <- round(cor(gene_exp, method = 'spearman') , digits = 2) # 可以指定相关系数算法
  library(pheatmap)
  pheatmap(sample_cor)

样本聚类分析

• 第一步：计算距离矩阵
  样本两两之间，谁与谁的距离要算出来

  • sample_dist <- dist(t(gene_exp)) # dist算的是行之间的距离矩阵,所以需要将表达矩阵转置，t()表示转置
  • "euclidean", 欧几里得距离矩阵，最常用
  • "maximum",

• 第二步：聚类
  层次聚类法
  sample_hc <- hclust(sample_dist)
  plot(sample_hc)

聚类方法简述 ?hclust可查看
single 最短聚类法； comlpete 最长聚类法(默认)； median 平均距离法; 进化树构建使用类似方法 = UPGMA