rm(list=ls())

searchGene = 'TP53';

searchTable='tumor_brca_rpkm';

library(RMySQL)

con <- dbConnect(MySQL(), host="127.0.0.1", port=3306, user="root", password="11111111")

dbSendQuery(con, "USE gse62944")

dbListTables(con)

query = paste0(' select * from ', searchTable ,' where genesymbol = ',shQuote(searchGene)) ;

expression_1=dbGetQuery(con,query)

expression_1=as.numeric(expression_1[,-1]);

query = paste0(' select geneSymbol from ', searchTable ) ;

allGenes=dbGetQuery(con,query)[,1]

## 重点就是获取这个数据，然后计算相关系数和p值

## 这个非常慢，可以考虑加并行，并且显示进度条，当然，这种循环所有的基因我不推荐用mysql来做！！！

cor_results <- matrix(unlist(lapply(allGenes, function(x){

  thisGene=x

  query = paste0(' select * from ', searchTable ,' where genesymbol = ',shQuote(thisGene)) ;

  expression_2=dbGetQuery(con,query)

  expression_2=as.numeric(expression_2[,-1]);

  tmp=cor.test(expression_1,expression_2);#str(tmp)

  return(c(thisGene,tmp$estimate,tmp$p.value))

}) ## end for lapply

) ## end for unlist

,ncol = 3, byrow =T) ## end for matrix

library(RMySQL)
con <- dbConnect(MySQL(), host="127.0.0.1", port=3306, user="root", password="11111111")
dbSendQuery(con, "USE gse62944")
dbListTables(con)
setwd('G:\\GSE62944') ## 这里不需要读本地文件，可以修改为读取数据库内容，因为我们第一讲说明了如何把它们全部load到数据库里面
tumorCancerType2amples=read.table('GSE62944_06_01_15_TCGA_24_CancerType_Samples.txt',sep = '\t',stringsAsFactors = F)
colnames(tumorCancerType2amples)=c('sampleID','CancerType')
## 不同的cancer type是分表存储，所以需要多次查询这两个基因的表达量
tmp=lapply(unique(tumorCancerType2amples$CancerType), function(x){
#x='PRAD'; ##可以先不要运行循环，先测试一个癌种
gene1="TP53";gene2="BRCA1";
sqlTable=paste('tumor',x,'RPKM',sep='_')
sqlQuery=paste0(' select * from ', sqlTable ,' where genesymbol = ',shQuote(gene1),' OR genesymbol = ',shQuote(gene2))
matrix2genes=dbGetQuery(con,sqlQuery)
rownames(matrix2genes)=matrix2genes$geneSymbol
matrix2genes=matrix2genes[,- match('geneSymbol',colnames(matrix2genes)) ]
matrix2genes=t(matrix2genes)
valueList1=as.numeric(matrix2genes[,gene1]);valueList2=as.numeric(matrix2genes[,gene2]);
png( paste0(gene1,'_and_',gene2,'_in_',x,'.SinalCor.png') )
plot(valueList1,valueList2,xlab=gene1,ylab=gene2)
abline(lm(valueList2~valueList1),col='red')
title(main =paste0("R2=",cor(valueList1,valueList2)))
dev.off()
return(c(x,fivenum(valueList1),fivenum(valueList2),cor(valueList1,valueList2)))
})

## 这个循环会对每一个癌种种类，都画这两个基因的correlation图
write.csv(x = matrix(unlist(tmp),ncol=12,byrow = T),file = 'tumor.corration.csv')

 

如果是对正常样本查询，因我TCGA的正常样本不多，所以我存储在同一个表，不需要这样循环查询每一个癌种表格，所以拿到数据非常简单，代码大家可以试试看！

代码如下：

稍微懂一点R的小伙伴都看得出来，只需要手动修改指定的基因，然后指定的癌症种类，就可以来容易画上面的图了，但要完成这一步，必须把前面的那一步导入mysql数据库搞懂。

TCGA表达数据的多项应用之1–下载数据并且导入mysql

rm(list=ls())

searchGene = 'VCX3B';

searchTable1='tumor_gbm_rpkm';

searchTable2='tumor_lgg_rpkm';

library(RMySQL)

con <- dbConnect(MySQL(), host="127.0.0.1", port=3306, user="root", password="11111111")

dbSendQuery(con, "USE gse62944")

dbListTables(con)

query = paste0(' select * from ', searchTable1 ,' where genesymbol = ',shQuote(searchGene)) ;

gbm=dbGetQuery(con,query)

query = paste0(' select * from ', searchTable2 ,' where genesymbol = ',shQuote(searchGene)) ;

lgg=dbGetQuery(con,query)

gbm=as.numeric(gbm[,-1]);gbm=data.frame(value=gbm,type='gbm')

lgg=as.numeric(lgg[,-1]);lgg=data.frame(value=lgg,type='lgg')

dat1= rbind(gbm,lgg)

boxplot( value ~  type, data = dat1, lwd = 2, ylab = 'value')

stripchart(value ~ type, vertical = TRUE, data = dat1,

           method = "jitter", add = TRUE, pch = 20, col = 'blue')