玉米中的元基因调控网络突出了功能上干系的调控相互作用\mo.20a3.R ...

这个脚本的重要作用是处置惩罚和分析RNA-seq数据，进行样本的聚类分析、降维可视化，并且将结果生存下来。详细来说，它包括以下几个关键步骤：
1. 读取RNA-seq数据

• 利用rnaseq_cpm_raw()和rnaseq_cpm()两个函数分别加载原始的RNA-seq数据和颠末处置惩罚后的RNA-seq数据。
  
• 数据包含基因表达矩阵（tm）、样本元数据（th）以及一些基因注释信息（tl）。
  

2. 样本信息的加载与归并

• 从samples.xlsx文件中读取样本信息，并与RNA-seq数据中的样本元数据（th）归并。
  
• 将样本的基因型、处置惩罚范例、冷耐心等信息拼接成一个新的标签（lab），用于后续分析和可视化。
  
• 对RNA-seq数据中的表达量进行变更（利用反双曲正弦变更 asinh(CPM)），以平滑表达数据并减少大数值的影响。
  

3. 聚类分析（层次聚类）

• 利用层次聚类（hclust）分析样本之间的相似性，并根据干系性（皮尔逊或斯皮尔曼干系系数）计算基因表达的相似度。
  
• 生成聚类结果的可视化图（PDF格式），通过不同的干系性度量（如皮尔逊或斯皮尔曼）来比较样本的聚类情况。
  

4. 降维分析与可视化

• 通过**PCA（主成分分析）和t-SNE（t分布随机邻域嵌入）**方法将高维的基因表达数据降维到2D空间，帮助可视化数据中的样本之间的差别或聚类。
  
• 利用plot_pca()和plot_tsne()生成PCA和t-SNE的可视化图，并生存为PDF文件。
  
• 在降维图中，样本的颜色和形状可以代表不同的处置惩罚组或冷耐心状态，帮助辨认不同的样本群体。
  

5. 样本数据的清算与生存

• 利用complete_sample_list()函数对样本数据进行清算，去除不完整或无效的样本。
  
• 将终极的清算过的样本元数据（th2）生存为TSV格式的文件（01.meta.tsv），以便后续利用或备份。
  

6. 文件生存

• 通过ggsave()将各类分析结果（如聚类图、PCA图、t-SNE图等）生存为PDF文件，这些文件可以用于报告或进一步分析。
  

---

总结：

该脚本的焦点目标是处置惩罚RNA-seq数据并进行多种数据分析和可视化，包括：

• 数据预处置惩罚：归并样本信息、处置惩罚缺失值和进行数据变更。
  
• 聚类分析：通过层次聚类评估样本间的相似性。
  
• 降维与可视化：通过PCA和t-SNE展示样本之间的关系。
  
• 结果生存：将聚类和降维的可视化结果生存为文件，并将清算后的样本元数据生存为TSV文件。
  

这些步骤为后续的生物学分析（如基因表达模式的分析、差别分析等）奠定了基础。
第一部门：设置工作目次并加载数据

1. genome = 'Osativa'
2. t_cfg = read_projects(genome)
3. t_cfg %>% print(n=50)
5. yid = 'mo20a3'
6. dirw = glue("{dird}/11_qc/{genome}/{yid}")
7. if(!dir.exists(dirw)) dir.create(dirw)

复制代码

解析：

• genome = 'Osativa'
  设置了基因组的名称，这里选择的是‘Osativa’（应该是指水稻基因组）。
  
• t_cfg = read_projects(genome)
  read_projects()函数用于读取与指定基因组干系的项目配置文件，并将其存储在t_cfg中。通常这里会包含数据的元信息（例如样本、条件等）。
  
• t_cfg %>% print(n=50)
  打印t_cfg的前50行信息，通常用于检察该基因组下全部项目标概要。
  
• yid = 'mo20a3'
  设置实验的样本ID（yid），代表一个特定的实验或处置惩罚。
  
• dirw = glue("{dird}/11_qc/{genome}/{yid}")
  利用glue()函数生成一个文件路径，该路径将存放QC（质量控制）结果。dird是之前定义的一个变量，大概表示根目次或数据文件夹。
  
• if(!dir.exists(dirw)) dir.create(dirw)
  查抄是否存在上面创建的路径dirw，如果没有，则创建该目次。
  

这一部门的重要功能是初始化工作情况并加载数据配置文件，之后为后续的分析步骤设置目次结构。
第二部门：读取原始数据并归并样本信息

1. #{{{ raw: read in
2. res = rnaseq_cpm_raw(yid, genome)
3. th = res$th; tm = res$tm; tl = res$tl; th_m = res$th_m; tm_m = res$tm_m
5. th2 = read_xlsx(glue("~/projects/cold/data/samples.xlsx")) %>%
6.     replace_na(list(Name='?', ColdTolerant='?'))
7. th = res$th %>% left_join(th2, by="Genotype") %>%
8.     mutate(lab = str_c(Genotype, Name, Treatment, ColdTolerant, sep='_'))
9. tm = res$tm %>% filter(SampleID %in% th$SampleID) %>%
10.     mutate(value=asinh(CPM))
11. #}}}

复制代码

解析：

• res = rnaseq_cpm_raw(yid, genome)
  通过调用rnaseq_cpm_raw()函数，加载原始的RNA-seq数据。返回的res包含了几个重要数据框：
  
  
  
  • th：包含样本的元数据（如样本ID、处置惩罚组等）。
    
  • tm：包含每个样本的基因表达数据（每个基因的CPM值）。
    
  • tl：包含基因注释信息。
    
  • th_m、tm_m：是针对特定的处置惩罚或条件进行过计算的干系数据。
    
  
  
• th2 = read_xlsx(glue("~/projects/cold/data/samples.xlsx"))
  从Excel文件~/projects/cold/data/samples.xlsx读取样本信息表格，th2是读取的表格数据。
  
• replace_na(list(Name='?', ColdTolerant='?'))
  利用replace_na()函数，将缺失的样本名称（Name）和冷耐心标识（ColdTolerant）添补为问号?。
  
• th = res$th %>% left_join(th2, by="Genotype")
  利用left_join()将res$th中的元数据和从Excel读取的th2表格数据进行归并，归并的依据是Genotype字段（基因型）。如允许以把样本的基因型信息与额外的形貌性数据联合起来。
  
• mutate(lab = str_c(Genotype, Name, Treatment, ColdTolerant, sep='_'))
  创建一个新的列lab，将Genotype、Name、Treatment和ColdTolerant列的内容拼接在一起，并用下划线分隔。这列通常作为标签，用于标识样本。
  
• tm = res$tm %>% filter(SampleID %in% th$SampleID)
  在表达数据res$tm中筛选出与归并后的样本信息th中SampleID匹配的行，确保只保留在th中列出的样本。
  
• mutate(value=asinh(CPM))
  对表达矩阵中的CPM值应用反双曲正弦（asinh）变更。这是常见的对基因表达数据进行平滑处置惩罚的方式，尤其是在CPM值有较大差别时。
  

这一部门的关键任务是：

• 加载和归并样本元数据与表达数据。
  
• 对表达数据进行须要的预处置惩罚（如取对数变更）。
  

第三部门：聚类分析与可视化（hclust & tSNE）

1. #{{{ raw: hclust & tSNE
2. p1 = plot_hclust(tm, th, pct.exp = .7, cor.opt = 'pearson', var.col = 'Treatment', expand.x = .4)
3. ggsave(file.path(dirw, '11.hclust.p.pdf'), p1, width = 6, height = 8)
5. p1 = plot_hclust(tm, th, pct.exp = .7, cor.opt = 'spearman', var.col = 'Treatment', expand.x = .4)
6. ggsave(file.path(dirw, '11.hclust.s.pdf'), p1, width = 6, height = 8)
8. p2 = plot_pca(tm, th, pct.exp = .7, pca.center = T, pca.scale = F,
9.     var.shape = 'ColdTolerant', var.col = 'Treatment', var.lab = 'Name',
10.     legend.pos = 'bottom.left', legend.dir = 'v', pal.col = 'aaas')
11. ggsave(file.path(dirw, '11.pca.pdf'), p2, width = 6, height = 6)
13. p3 = plot_tsne(tm, th, pct.exp = .8, perp = 3, iter = 1200, seed = 2,
14.     var.shape = 'ColdTolerant', var.col = 'Treatment', var.lab = 'Name',
15.     legend.pos = 'top.right', legend.dir = 'v', pal.col = 'aaas')
16. ggsave(file.path(dirw, '11.tsne.pdf'), p3, width = 6, height = 6)
17. #}}}

复制代码

解析：

• 层次聚类（hclust）：
  
  1. p1 = plot_hclust(tm, th, pct.exp = .7, cor.opt = 'pearson', var.col = 'Treatment', expand.x = .4)
  2. ggsave(file.path(dirw, '11.hclust.p.pdf'), p1, width = 6, height = 8)

  复制代码
  
  
  • plot_hclust()函数用于进行层次聚类分析。
    
  • tm是基因表达矩阵，th是样本信息。
    
  • pct.exp = .7 表示只利用表达量超过70%的基因进行聚类分析。
    
  • cor.opt = 'pearson' 选择利用皮尔逊干系系数来计算基因间的相似性。
    
  • var.col = 'Treatment' 用样本的“Treatment”字段来为不同样本上色，以便在聚类结果中区分。
    
  • expand.x = .4 控制图像的x轴扩展程度。
    
  • 最后利用ggsave()将结果生存为PDF文件。
    
  之后的部门：
  
  1. p1 = plot_hclust(tm, th, pct.exp = .7, cor.opt = 'spearman', var.col = 'Treatment', expand.x = .4)
  2. ggsave(file.path(dirw, '11.hclust.s.pdf'), p1, width = 6, height = 8)

  复制代码
  这段代码执行了雷同的聚类分析，不过利用了斯皮尔曼干系系数（cor.opt = 'spearman'）来代替皮尔逊干系系数。
  
  
• 主成分分析（PCA）：
  
  1. p2 = plot_pca(tm, th, pct.exp = .7, pca.center = T, pca.scale = F,
  2.     var.shape = 'ColdTolerant', var.col = 'Treatment', var.lab = 'Name',
  3.     legend.pos = 'bottom.left', legend.dir = 'v', pal.col = 'aaas')
  4. ggsave(file.path(dirw, '11.pca.pdf'), p2, width = 6, height = 6)

  复制代码
  
  
  • plot_pca()函数执行PCA分析，减少数据维度并可视化。
    
  • pct.exp = .7 表示利用70%的基因表达数据进行分析。
    
  • pca.center = T 表示对数据进行中心化（均值为0）。
    
  • pca.scale = F 表示不对数据进行缩放（标准化）。
    
  • var.shape = 'ColdTolerant' 和 var.col = 'Treatment' 用不同的形状和颜色表示不同的冷耐心和处置惩罚组。
    
  • var.lab = 'Name' 显示样本的标签（样本名称）。
    
  • pal.col = 'aaas' 利用指定的颜色调色板。
    
  • 最后，利用ggsave()生存PCA图。
    
  
  
• t-SNE分析：
  
  1. p3 = plot_tsne(tm, th, pct.exp = .8, perp = 3, iter = 1200, seed = 2,
  2.     var.shape = 'ColdTolerant', var.col = 'Treatment', var.lab = 'Name',
  3.     legend.pos = 'top.right', legend.dir = 'v', pal.col = 'aaas')
  4. ggsave(file.path(dirw, '11.tsne.pdf'), p3, width = 6, height = 6)

  复制代码
  
  
  • plot_tsne()用于执行t-SNE降维，并将高维数据映射到二维空间。
    
  • pct.exp = .8 利用80%的基因表达数据。
    
  • perp = 3 设置t-SNE的“狐疑度”参数，这影响数据点的聚集程度。
    
  • iter = 1200 设置t-SNE迭代的次数。
    
  • seed = 2 设置随机种子，确保结果可重复。
    
  • var.shape = 'ColdTolerant' 和 var.col = 'Treatment' 根据样本的冷耐心和处置惩罚组着色与形状区分样本。
    
  • legend.pos = 'top.right' 设置图例的位置。
    
  • 最后，生存t-SNE图像。
    
  
  

总结：

这一部门的代码实现了：

• 层次聚类分析（利用皮尔逊和斯皮尔曼干系系数）。
  
• PCA降维分析，可用于观察样本在主成分空间中的分布。
  
• t-SNE降维分析，通过非线性方法将高维数据嵌入到二维空间中，帮助明白样本之间的相似性。
  

这些可视化有助于研究者了解数据的整体结构、样本的聚类情况以及不同处置惩罚组或冷耐心状态下的差别。
好的，接下来是第四部门：数据处置惩罚与生存（过滤样本信息与生存元数据）。
第四部门：数据处置惩罚与生存（过滤样本信息与生存元数据）

1. #{{{ raw: filter/fix samples
2. th2 = res$th
3. th2 = complete_sample_list(th2)
5. fh = file.path(dirw, '01.meta.tsv')
6. write_tsv(th2, fh, na='')
7. #}}}

复制代码

解析：

• th2 = res$th
  将之前加载的样本信息 res$th 赋值给 th2。th2 存储的是包含全部样本元数据的数据框。
  
• th2 = complete_sample_list(th2)
  complete_sample_list() 是一个自定义的函数，用于过滤或修复样本信息，通常目标是确保每个样本的元数据完整且没有缺失值。这个步骤可以用来清算样本数据，去除不完整或不符合标准的样本。
  
• fh = file.path(dirw, '01.meta.tsv')
  创建一个文件路径 fh，用于存储样本的元数据（th2）。路径是在先前定义的工作目次 dirw 下，文件名为 01.meta.tsv。
  
• write_tsv(th2, fh, na='')
  将处置惩罚后的 th2 数据框（样本元数据）生存为一个 TSV 文件。write_tsv() 函数将数据框写入文件，并且将缺失值（NA）生存为空字符串。
  

总结：

这一部门的重要任务是：

• 过滤样本数据：通过 complete_sample_list() 函数清算样本元数据，确保数据的完整性。
  
• 生存元数据：将清算后的样本信息生存为 TSV 格式的文件（01.meta.tsv），以便后续利用或分析。
  

好的，最后是第五部门：读取RNA-seq数据并重新进行聚类与可视化。
第五部门：读取RNA-seq数据并重新进行聚类与可视化

1. #{{{ read in
2. res = rnaseq_cpm(yid)
3. th = res$th; tm = res$tm; tl = res$tl; th_m = res$th_m; tm_m = res$tm_m
5. th2 = read_xlsx(glue("~/projects/cold/data/samples.xlsx")) %>%
6.     replace_na(list(Name='?', ColdTolerant='?'))
7. th = res$th %>% left_join(th2, by="Genotype") %>%
8.     mutate(lab = str_c(Genotype, Name, Treatment, ColdTolerant, sep='_'))
9. tm = res$tm %>% filter(SampleID %in% th$SampleID) %>%
10.     mutate(value=asinh(CPM))
11. #}}}
13. #{{{ hclust & tSNE
14. p1 = plot_hclust(tm, th, pct.exp = .7, cor.opt = 'pearson', var.col = 'Treatment', expand.x = .4)
15. ggsave(file.path(dirw, '21.hclust.p.pdf'), p1, width = 6, height = 8)
17. p1 = plot_hclust(tm, th, pct.exp = .7, cor.opt = 'spearman', var.col = 'Treatment', expand.x = .4)
18. ggsave(file.path(dirw, '21.hclust.s.pdf'), p1, width = 6, height = 8)
20. p2 = plot_pca(tm, th, pct.exp = .7, pca.center = T, pca.scale = F,
21.     var.shape = 'ColdTolerant', var.col = 'Treatment', var.lab = 'Name',
22.     legend.pos = 'bottom.left', legend.dir = 'v', pal.col = 'aaas')
23. ggsave(file.path(dirw, '21.pca.pdf'), p2, width = 6, height = 6)
25. p3 = plot_tsne(tm, th, pct.exp = .8, perp = 3, iter = 1200, seed = 2,
26.     var.shape = 'ColdTolerant', var.col = 'Treatment', var.lab = 'Name',
27.     legend.pos = 'top.right', legend.dir = 'v', pal.col = 'aaas')
28. ggsave(file.path(dirw, '21.tsne.pdf'), p3, width = 6, height = 6)
29. #}}}

复制代码

解析：

• 重新加载RNA-seq数据：
  
  1. res = rnaseq_cpm(yid)
  2. th = res$th; tm = res$tm; tl = res$tl; th_m = res$th_m; tm_m = res$tm_m

  复制代码
  这一行代码再次加载了RNA-seq数据，执行的是 rnaseq_cpm() 函数，通常该函数会返回一系列数据框：
  
  
  
  • th：样本的元数据（例如样本ID、处置惩罚信息等）。
    
  • tm：基因的表达矩阵（每个基因在各个样本中的表达量）。
    
  • tl：基因注释信息。
    
  • th_m 和 tm_m：大概是颠末一些处置惩罚或调整的数据。
    
  
  
• 重新加载样本信息并归并：
  
  1. th2 = read_xlsx(glue("~/projects/cold/data/samples.xlsx")) %>%
  2.     replace_na(list(Name='?', ColdTolerant='?'))
  3. th = res$th %>% left_join(th2, by="Genotype") %>%
  4.     mutate(lab = str_c(Genotype, Name, Treatment, ColdTolerant, sep='_'))
  5. tm = res$tm %>% filter(SampleID %in% th$SampleID) %>%
  6.     mutate(value=asinh(CPM))

  复制代码
  
  
  • 从Excel文件重新读取样本信息，确保样本的“Name”和“ColdTolerant”列中的缺失值被更换为?。
    
  • 利用left_join()将样本信息th2与res$th按“Genotype”列归并，创建新的lab列，拼接了样本的基因型、名称、处置惩罚信息和冷耐心信息。
    
  • 筛选出与th中样本ID匹配的基因表达数据tm，并对CPM值进行反双曲正弦变更。
    
  
  
• 重新进行聚类分析与可视化：
  这一部门的分析和可视化步骤与前面相似，都是对基因表达数据进行聚类分析和降维可视化：
  
  
  
  • 层次聚类（hclust）：利用皮尔逊和斯皮尔曼干系系数进行层次聚类，并生存为hclust.p.pdf和hclust.s.pdf。
    
  • PCA分析：通过plot_pca()进行主成分分析，生存为pca.pdf。
    
  • t-SNE分析：通过plot_tsne()进行t-SNE降维，生存为tsne.pdf。
    
  这些分析和可视化结果用于展示数据的高维结构，帮助研究人员明白不同样本之间的关系和差别。
  
  

总结：

这一部门的代码做了以下几件事情：

• 重新加载RNA-seq数据，并更新样本的元数据。
  
• 对基因表达数据进行处置惩罚（如变更和归并）。
  
• 重新进行聚类分析和降维分析，并生存可视化结果。
  

这与前面处置惩罚的流程雷同，只是数据加载和分析的操作略有不同。重要是为了确保数据的同等性和正确性，随后生成新的聚类与降维结果。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。