为 DESeq2 组织数据

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

Mary Piper

Bioinformatics Consultant and Trainer

导入 DESeq2 数据：样本顺序

元数据 meta_unordered

原始计数counts_ordered

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

导入 DESeq2 数据：样本顺序

rownames(wt_metadata)

 [1] "wt_normal3"  "smoc2_fibrosis2" "wt_fibrosis3"  "smoc2_fibrosis3" "smoc2_normal3"   "wt_normal1"     
 [7] "smoc2_normal4"  "wt_fibrosis2"  "wt_normal2"  "smoc2_normal1"  "smoc2_fibrosis1" "smoc2_fibrosis4"
[13] "wt_fibrosis4"  "wt_fibrosis1" 

colnames(wt_rawcounts)

 [1] "wt_normal1"  "wt_normal2"  "wt_normal3"  "wt_fibrosis1"   "wt_fibrosis2"    "wt_fibrosis3"   
 [7] "wt_fibrosis4"  "smoc2_normal1"  "smoc2_normal3"  "smoc2_normal4"   "smoc2_fibrosis1" "smoc2_fibrosis2"
[13] "smoc2_fibrosis3" "smoc2_fibrosis4"
使用 R 中的 Bioconductor 进行 RNA-Seq 分析

导入 DESeq2 数据：样本顺序

all(rownames(wt_metadata) == colnames(wt_rawcounts))

FALSE
使用 R 中的 Bioconductor 进行 RNA-Seq 分析

匹配向量间的顺序

使用 match() 函数：

match(vector1, vector2)

vector1： 目标顺序的向量

vector2： 需要按此顺序重排的向量

输出： 将 vector2 重排为与 vector1 相同顺序的索引

match(colnames(wt_rawcounts), rownames(wt_metadata)

6   9   1   14  8   3   13  10  5   7   11  2   4   12
使用 R 中的 Bioconductor 进行 RNA-Seq 分析

使用 match() 的输出重新排序： 

idx <- match(colnames(wt_rawcounts), rownames(wt_metadata))

reordered_wt_metadata <- wt_metadata[idx, ]

View(reordered_wt_metadata)

重新排序的元数据

使用 R 中的 Bioconductor 进行 RNA-Seq 分析
all(rownames(reordered_wt_metadata) == colnames(wt_rawcounts))

TRUE

重新排序的元数据

 

已排序的计数

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

创建 DESeq2 对象

# 创建 DESeq 对象
dds_wt <- DESeqDataSetFromMatrix(countData = wt_rawcounts,
                              colData = reordered_wt_metadata,
                              design = ~ condition)

DESeq 对象

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

开始练习！

使用 R 中的 Bioconductor 进行 RNA-Seq 分析

Preparing Video For Download...