基因表达中的相关案例与对照

Question

我有 77 位癌症患者的基因表达数据。我有一套来自患者的血液，一套来自患者的肿瘤，一套来自患者的健康组织：

data1 <- ExpressionBlood
data2 <- ExpressionCancerTissue
data3 <- ExpressionHealtyTissue

我想进行一项分析，以确定肿瘤组织中的表达是否与我所有基因在血液中的表达相关。执行此操作的最佳方法是什么？

Answer 1

如果您熟悉 python，我会使用 pandas。它使用 "DataFrames" 类似于 R，因此您可以采用该概念并将其应用于 R。

假设您的 data1 是一个分隔文件，格式如下：

GeneName | ExpValue |
gene1       300.0
gene2       250.0

然后你可以这样做将每个数据类型转换为 DataFrame:

dfblood = pd.read_csv('path/to/data1',delimiter='\t')
dftissue = pd.read_csv('path/to/data2',delimiter='\t')
dftumor = pd.read_csv('path/to/data3',delimiter='\t')

现在 merge DataFrame 合二为一 df。

dftmp = pd.merge(dfblood,dftissue,on='GeneName',how='inner')
df = pd.merge(dftmp,dftumor,on='GeneName',how='inner')

重命名您的列，注意确保顺序正确。

df.columns = ['GeneName','blood','tissue','tumor']

现在您可以使用简单的命令规范化数据（如果尚未规范化）。

df = df.set_index('GeneName') # allows you to perform computations on the entire dataset
df_norm = (df - df.mean()) / (df.max() - df.min())

你可以全部 df_norm.corr() 产生下面的结果。但此时，如果需要，您可以使用 numpy 执行更复杂的计算。

          blood      tissue       tumor
blood   1.000000    0.395160    0.581629
tissue  0.395160    1.000000    0.840973
tumor   0.581629    0.840973    1.000000

HTH至少朝着正确的方向前进。

编辑

如果您想使用学生 T 的 log-fold 更改，您可以使用 numpy.log

计算原始数据的对数

import numpy as np

df[['blood','tissue','tumor']] = df[['blood','tissue','tumor']]+1
# +1 to avoid taking the log of 0
df_log = np.log(df[['blood','tissue','tumor']])

要获得每个基因的 'log' 倍变化，这会将新列附加到您的 df_log DataFrame。

df_log['logFCBloodTumor'] = df_log['blood'] - df_log['tumor']
df_log['logFCBloodTissue'] = df_log['blood'] - df_log['tissue']

基因表达中的相关案例与对照

Correlation Case vs Control in gene expression

r

bioinformatics

correlation