根据基因表达量对样品进行分类ConsensusClusterPlus

ulwvfje — Thu, 27 Aug 2015 13:30:19 +0000

bioconductor系列的包都是一样的安装方式：

source("http://bioconductor.org/biocLite.R")
biocLite("ConsensusClusterPlus")

这个包是我见过最简单的包，加载只有做好输入数据，只需要一句话即可运行，然后默认输出所有结果

读这个包的readme，很容易学会

就是做好一个需要来进行分类的样品的表达量矩阵。或者选择上一篇日志用GEOquery这个包下载的表达量矩阵也可以进行分析

因为这个包是用ALL数据来做测试的，所以可以直接加载这个数据结果，这样就能得到表达矩阵啦

library(ALL)

data(ALL)

d=exprs(ALL)

d[1:5,1:5]

可以看到数据集如下

> d[1:5,1:5]

01005 01010 03002 04006 04007

1000_at 7.597323 7.479445 7.567593 7.384684 7.905312

1001_at 5.046194 4.932537 4.799294 4.922627 4.844565

1002_f_at 3.900466 4.208155 3.886169 4.206798 3.416923

1003_s_at 5.903856 6.169024 5.860459 6.116890 5.687997

1004_at 5.925260 5.912780 5.893209 6.170245 5.615210

> dim(d)

[1] 12625 128

共128个样品，12625个探针数据

也有文献用RNAs-seq的RPKM值矩阵来做

对上面这个芯片表达数据我们一般会简单的进行normalization ，然后取在各个样品差异很大的那些gene或者探针的数据来进行聚类分析

mads=apply(d,1,mad)

d=d[rev(order(mads))[1:5000],]

d = sweep(d,1, apply(d,1,median,na.rm=T))

#也可以对这个d矩阵用DESeq的normalization 进行归一化，取决于具体情况

library(ConsensusClusterPlus)

#title=tempdir() #这里一般改为自己的目录

title="./" #所有的图片以及数据都会输出到这里的

results = ConsensusClusterPlus(d,maxK=6,reps=50,pItem=0.8,pFeature=1,

title=title,clusterAlg="hc",distance="pearson",seed=1262118388.71279,plot="png")

这样就OK了，你指定的目录下面会输出大于9个图片

大家看看说明书就知道这个包的输出文件是什么了。

很多参数都是需要调整的，一般我们的maxK=6是根据实验原理来调整，如果你的样品应该是要分成6类以上，那么你就要把maxK=6调到一点。

查看结果results[[2]][["consensusClass"] 可以看到各个样品被分到了哪个类别里面去

results[[3]][["consensusClass"]

results[[4]][["consensusClass"] 等等

生信菜鸟团 » ConsensusClusterPlus