文档介绍：WGCNA新手入门笔记2（含代码和数据)
上次我们介绍了WGＣNA的入门(WＧＣＮＡ新手入门笔记(含代码和数据)）,大家在安装WＧＣNA包的时候,。主要问题应该是出在电脑的防火墙,安装时请关闭防火墙。
如果还有问题,请先单独安装AnｎotａｔionＤbi这个包,
biocLite(＂AnnotatioｎDbi")
,并尝试从本地文件安装该包。
如果还有问题,请使用管理员身份运行Ｒ语言,尝试上述步骤。
另外如果大家问题解决了请在留言处留个言,告知大家是在哪一步解决了问题,谢谢!因为本人没有进行单因素实验,不知道到底是哪个因素改变了实验结果。。。
今天给大家过一遍代码。网盘中有代码和数据。
链接:
密码:w７ｇ4
##导入数据##
librａry（WＧCNA)ｏｐｔｉonｓ(sｔrｉngｓAｓＦａctｏrｓ ＝ FALSE）eｎabｌeWGＣＮATｈreads()
enableＷGCＮATｈreads()是指允许Ｒ语言程序最大线程运行,像我这电脑是４核ＣＰU的,那么就能用上３核:
当然如果当前电脑没别的事,也可以满负荷运作
ｓａmｐles＝( '',sｅｐ = 't',rｏw．names = 1)expｒo=( '',seｐ = 't', = １)dｉｍ（exprｏ）
这部分代码是为了让R语言读取外部数据。当然了在读取数据之前首先改变一下工作目录,这一点在周二的文章中提过了。R语言读取外部数据的方式常用的有reａd．,这里用的是ｒｅａd．ｃｓv,想要查看某一函数的具体参数,可以用?函数名查看,比如:
大家可以注意到read．tａｂｌe和rｅad．ｃsv中headｅr参数的默认值是不同的,hｅadeｒ＝ｔrｕｅ表示第一行是标题,第二行才是数据,ｈeader=faｌse则表示第一行就是数据,没有标题。
#＃筛选方差前２5%的基因＃#
=ａppｌｙ（exｐrｏ, １,vaｒ)ｅxｐro．uppeｒ=ｅｘpｒｏ[whicｈ(m．vａｒs＞ｑｕaｎｔilｅ（, probｓ = seq( ０, 1, ))［ 4］),]dim（)ｄaｔExｐr＝ ．ｆrame（ｔ(）);nGeｎes ＝ ncｏl（dａtExｐr）nSａmｐles = nrｏw(ｄａtExpr)
这一步是为了减少运算量,因为一个测序数据可能会有好几万个探针,而可能其中很多基因在各个样本中的表达情况并没有什么太大变化,为了减少运算量,这里我们筛选方差前２5%的基因。
当然了,以下几种情况,你可以忽略此步,转而执行下列代码
ｄａｔEｘpｒ= ．frame(ｔ(eｘpｒｏ）);nGeｎes = ｎcol(datExｐr）ｎＳａmples = nroｗ(dａtＥxｐr）
情况1:所用的数据是比较老的芯片数据,探针数量较少;
情况２:你的电脑足够强大,不必减少运算;
情况３:你第一步导入的数据是差异基因的数据,已经作过初筛,比如这一文章的套路(PMIＤ:2７1335６９)(个人不建议这么做）。
#＃样本聚类检查离群值##
gsg = gｏｏｄSamplｅsGenes（ｄａtEｘpr, verｂose = 3);gsｇ＄aｌlＯＫsａｍｐleTｒee = hcｌuｓt（dist(datExpr), method = "averaｇｅ"）ｐｌｏt（ｓamplｅＴｒｅe, mａin ＝ ＂Ｓａmple clusterinｇ ｔo ｄetecｔ ｏｕtlierｓ", sｕｂ＝ ＂", xlａb＝ ＂＂）save(datEｘpr, file ＝ ＂ＦＰＫM－01－"）
执行这一段代码我们会得到下面这张图:
从结果上来,我们分析的样本没啥离群值,所以代码里说不作处理。在网上的一个案例中,离群的样本就比较明显了。
（)
如果需要去除离群样本,则执行下列代码,其中cｕｔＨｅiｇｈt=多少就看你自己了。
clusｔ = cｕtreｅＳｔatic（sａmpｌeＴree, ｃuｔHｅighｔ ＝ 20000, minＳize = 10）tａble（cluｓt)ｋeepSamples = (cｌust== １)daｔExｐr ＝ datExpr[kｅeｐSaｍpｌｅs, ]ｎGeｎｅs = ｎcoｌ（ｄaｔＥxpｒ)ｎSaｍpｌes ＝ nrow(ｄａtExpｒ)save(datExｐ