RNA-seq 生物学重复相关性验证

根据拿到的表达矩阵设为exprSet

1、用scale 进行标准化

数据中心化：数据集中的各个数字减去数据集的均值

数据标准化：中心化之后的数据在除以数据集的标准差。

在R中利用scale方法来对数据进行中心化和标准化

1 scale(data, center=T, scale=F)
2
3 其中，center为T，表示数据中心化
4
5          scale为T，表示数据标准化
6
7 对一个data frame的每一列进行计算

并不是表达矩阵里面的所有基因都可以进行相关性分析，首先去除reads count >1 小于5个的基因（测试样品共有6个）

1 ##过滤reads count >1 小于5
2  exprSet <- exprSet[apply(exprSet,1, function(x) sum(x>1) >5,]
3 ##reads count 差距较大，用log以及scale 缩小差距
4 M <- scale(cor(llog2(exprSet+1)))
5 ##热图
6 pheatmap(M)

2、另一种标准化

 1 exprSet <- exprSet[apply(exprSet,1, function(x) sum(x>1) >5,]
 2
 3 ##去除文库大小差异
 4 exprSet <- log(edgeR::cpm(exprSet)+1)
 5
 6 ##取mad（绝对中位差）（类似sd）的前50%
 7 exprSet <- exprSet[names(sort(apply(exprSet,1,mad),decreasing = T)[1:500]),]  ##取前500
 8 M <-cor(log2(exprSet+1))
 9
10 ##添加group_list
11 tem = data.frame(g=group_list)
12 rownames(tem) <- colnames(M)
13 pheatmap::pheatmap(M, annotation_col = tem,filename = 'cor.png')

3、hclust 聚类分析

欧式距离(Euclidean Distance)

欧式距离是最易于理解的一种距离计算方法，源自欧式空间中两点间的距离公式。

用R语言计算距离主要是dist函数。若X是一个M×N的矩阵，则dist(X)将X矩阵M行的每一行作为一个N维向量，然后计算这M个向量两两间的距离。

表达矩阵是每一行为基因，列为样品名称，所以要进行转至才能计算每个样品之间基因表达量的距离

为了得到更好的聚类分析，也可以将表达矩阵标准化，譬如，log，或者 scale等

1 hc <- hclust(dist(t(exprSet)))
 2 plot(hc)

参考：生信技能树