时间序列分析
在研究基因表达谱或者蛋白表达谱时，经常会涉及到对时间序列的分析。例如，不同的基因或蛋白表达水平随时间表现出怎样的动力学特征，怎样挖掘潜在的时间特征？Mfuzz是用来进行不同时间点转录组数据表达模式聚类分析的R包。它能够识别表达谱的潜在时间序列模式，并将相似模式的基因聚类，以帮助我们了解基因的动态模式和它们功能的联系。本图中1,2,3,4,分别表示健康、非新冠肺炎、非重度新冠肺炎、重度新冠肺炎。
数据格式
210421_2
注：示例数据仅作展示用，无实际意义！
绘制
#------ title: "Mfuzz" author: "MZBJ" date: "2020/4/25" #----- setwd("F:/~/mzbj/cell/20210426") df <- read.csv(file = "df_umap.csv") df1 <- df[,-1] #分组求均值 #aggregate用法上一篇原创推文已经介绍过了，不熟悉的可以去回顾一下 df2<-aggregate(df1[,colnames(df1)[2:ncol(df1)]],by=list(df1$label),mean,na.rm= TRUE) #把第一列设为行名 row.names(df2)<-df6[,1] df3<-data.frame(t(df2[,-1])) #第一次使用要下载 BiocManager::install("Mfuzz") library("Mfuzz") #构建对象 df3a<-as.matrix(df3) df3Ex<- ExpressionSet(assayData = df3a) #排除了超过25%的测量缺失的基因 df3F <- filter.NA(df3Ex,thres = 0.25) #用相应基因的平均值表达值替换剩余的缺失值 df3F <- fill.NA(df3F,mode = 'mean') #标准化 df3F <- standardise(df3F) #聚类 set.seed(2021) #手动定义聚类个数 c cl <- mfuzz(df3F,c=8,m=1.25) #作图 pdf("mfuzz.pdf") mfuzz.plot2(df3F, cl=cl,mfrow=c(4,4),centre=TRUE,x11=F,centre.lwd=0.2) dev.off() #批量导出每个聚类所包含的基因 dir.create(path="mfuzz",recursive = TRUE) for(i in 1:8){ potname<-names(cl$cluster[unname(cl$cluster)==i]) write.csv(cl[[4]][potname,i],paste0("mfuzz","/mfuzz_",i,".csv")) }
出图：
20210425_2
一模一样4个字我说累了哈哈哈~
