宁波企业网站建站让网站快速收录最新

宁波企业网站建站,让网站快速收录最新,有什么办法可以在备案期间网站不影响seo,wordpress邮箱验证配置Gene Set Enrichment Analysis1. 介绍请务必熟悉关于差异表达分析和分子变量的教程。要更深入地了解差异表达分析#xff08;DEA#xff09;的结果#xff0c;可以查找在所提出的聚类中富集或基于组织学创建的基因集。SPATA2实现了hypeR包#xff0c;该包使用超几何检验来检…Gene Set Enrichment Analysis1. 介绍请务必熟悉关于差异表达分析和分子变量的教程。要更深入地了解差异表达分析DEA的结果可以查找在所提出的聚类中富集或基于组织学创建的基因集。SPATA2实现了hypeR包该包使用超几何检验来检测富集的基因集。# load required packages library(SPATA2) library(tidyverse)# load SPATA2 inbuilt example data #object_t269 - loadExampleObject(UKF269T, process TRUE, meta TRUE) object_t269- readRDS(object_t269.rds) object_t269 - updateSpataObject(object_t269)# plot histology plotSurface(object_t269, color_by histology, pt_clrp npg)# plot bayes space cluster plotSurface(object_t269, color_by bayes_space, pt_clrp uc)2. 计算GSEA函数 runGSEA() 执行计算。它需要 runDEA() 产生的结果该函数用于执行差异表达分析。默认情况下该函数使用 SPATA2 对象中保存的所有基因集。如果您不希望对某些基因集进行测试可以提供一个子集化的基因集列表。默认示例对象 object_t269 是通过 initiateSpataObjectVisium() 创建的其中包含多种类别的多个基因集如 Hallmark、Biocarta 等这些基因集均带有相应的前缀如 HM 或 BC。gs_list - getGeneSetList(object_t269) head(gs_list)## $BC_41BB_PATHWAY ## [1] IFNG TNFSF9 IL4 NFKBIA TNFRSF9 IL2 MAP4K5 ## [8] MAPK8 MAP3K5 CHUK MAPK14 RELA TRAF2 ATF2 ## [15] IKBKB NFKB1 MAP3K1 JUN ## ## $BC_ACE2_PATHWAY ## [1] REN COL4A1 AGT CMA1 COL4A6 ACE2 ACE COL4A5 ## [9] AGTR2 AGTR1 COL4A2 COL4A3 COL4A4 ## ## $BC_ACETAMINOPHEN_PATHWAY ## [1] CYP1A2 CYP2E1 PTGS2 PTGS1 NR1I3 ## ## $BC_ACH_PATHWAY ## [1] FASLG PIK3CG RAPSN PIK3R1 FOXO3 YWHAH CHRNG CHRNB1 ## [9] BAD PTK2B TERT MUSK AKT1 PIK3CA ## ## $BC_ACTINY_PATHWAY ## [1] ACTA1 WASF1 PSMA7 NTRK1 RAC1 WASF2 ABI2 NCK1 ## [9] PIR NCKAP1 WASF3 WASL ## ## $BC_AGPCR_PATHWAY ## [1] GRK4 GNAS PRKACG PRKAR1A PRKAR2B PRKCB PRKACB ## [8] ARRB1 PRKAR1B PRKCA PRKAR2Alength(gs_list)## [1] 11654为了清晰起见本示例仅使用BiocartaBC和HallmarkHM基因集。# subset gene sets that start with HM or BC gs_list_sub - getGeneSetList(object_t269, class c(BC, HM)) length(gs_list_sub)## [1] 339如果只想在基因集的子集上运行GSEA请使用参数签名。如果要针对SPATA2对象_t269中存储的所有基因集进行测试请将其留空。set.seed(1) sample(gs_list_sub, size 3)## $HM_NOTCH_SIGNALING ## [1] JAG1 NOTCH3 NOTCH2 APH1A HES1 CCND1 FZD1 ## [8] PSEN2 FZD7 DTX1 DLL1 FZD5 MAML2 NOTCH1 ## [15] PSENEN WNT5A CUL1 WNT2 DTX4 SAP30 PPARD ## [22] KAT2A HEYL SKP1 RBX1 TCF7L2 ARRB1 LFNG ## [29] PRKCA DTX2 ST3GAL6 FBXW11 ## ## $BC_MEF2D_PATHWAY ## [1] HDAC2 HDAC1 CALM1 MEF2D CAPN2 NFATC2 PPP3CA PRKCB ## [9] CALM2 PPP3CB CAPNS1 CALM3 CABIN1 EP300 PRKCA NFATC1 ## [17] CAPNS2 PPP3CC ## ## $BC_HSWI_SNF_PATHWAY ## [1] SMARCD1 NF1 NR3C1 SMARCC2 SMARCA4 ARID1A SMARCC1 ## [8] ACTB SMARCB1 TBP GTF2A1 SMARCE1object_t269 - runGSEA( object object_t269, across histology, background 21563, signatures gs_list_sub )3. 提取结果可以通过以下函数手动提取结果。getGseaResults() 会提取一个 hypeR 对象列表每个组对应一个对象。getGseaResultsDf() 会提取一个数据框该数据框是将所有 hypeR 对象的数据合并后的结果。每个基因集所属的组别信息保存在根据分组变量命名的变量/列中——此处为 histology组织学类型。getGseaDf( object object_t269, across histology, method_de wilcox, n_gsets 3# extract top 20 most significant gene sets )## # A tibble: 9 × 10 ## # Groups: histology [3] ## histology label pval fdr signature geneset overlap background hits ## fct fct dbl dbl int int int dbl chr ## 1 tumor HM_E… 6.80e-47 7.90e-43 5082 200 143 21563 AURK… ## 2 tumor HM_I… 7.70e-39 4.50e-35 5082 196 132 21563 STAT… ## 3 tumor HM_G… 5.20e-34 2 e-30 5082 196 126 21563 AURK… ## 4 transition BP.G… 1.3 e-10 1.20e- 6 1192 856 94 21563 TANK… ## 5 transition CC.G… 2 e-10 1.20e- 6 1192 914 98 21563 PARP… ## 6 transition MF.G… 3.20e-10 1.20e- 6 1192 200 36 21563 CHD1… ## 7 infiltrated CC.G… 1.90e-61 2.3 e-57 1950 1332 315 21563 CDH8… ## 8 infiltrated BP.G… 2.90e-47 1.70e-43 1950 733 198 21563 CDH8… ## 9 infiltrated CC.G… 4.6 e-38 1.80e-34 1950 1317 266 21563 HDAC… ## # ℹ 1 more variable: overlap_perc dbl4. Plotting results基因集富集结果可以通过点图进行可视化。这可以通过设置 by_group TRUE 按组进行也可以合并所有组的结果进行展示。图2展示了聚类0和聚类5的富集情况突出了该区域与缺氧相关的活性。plotGseaDotPlot( object object_t269, across histology, across_subset c(tumor, infiltrated), n_gsets 10, by_group TRUE, transform_with list(fdr log10), nrow 2 )使用 by_group FALSE 时结果会合并到一个图表中。plotGseaDotPlot( object object_t269, across histology, color_by histology, n_gsets 7, pt_alpha 0.8, transform_with list(fdr log10), by_group FALSE# merge in one plot )