生信分析R语言助力作图----单基因批量相关性分析_单基因相关性分析

单基因批量相关性分析

嘻嘻嘻~~~，晚上秒变生信分析小白，一个游走在生物学和计算机变成之间的小白，享受着里面的快乐和痛苦。不停的挣扎，不停的成长，多学习，多尝试，一定会有意想不到的收获。加油!!!

首先，需要先说明的是本作图经验，完全模仿于果子学生信的一篇博文，所以先把链接丢在这里啦，自己写这篇博文，也完全是为了记录这个操作过程，好在下次需要的时候，更好的去回忆。话不多说，开始表演。
https://mp.weixin.qq.com/s?__biz=MzIyMzA2MTcwMg==&mid=2650733008&idx=1&sn=b66e3fd527f99ddf19dcf6c2501e5be3&chksm=f029aa79c75e236f8951b87e17a51dc6a7dfeb555b983d8dc6d5a8c756b3eacc21829f19dc86&token=1035043907&lang=zh_CN&scene=21#wechat_redirect

首先，做这个相关性分析，在这里需要安装几个R包。

BiocManager::install(c("tidyr","dplyr","ggstatsplot"))
##加载的数据，就是我们常见的TCGA的表达矩阵，只是需要先将其进行转置。
##我们在此用得是自己的一个Test的数据。其格式如下:
1
2
3

注意，在此处，基因名一定要作为列名，因为后面需用ggstatsplot进行散点图绘制的时候，其需要用到列名中的基因名字。
该数据，列名就是基因名，行名就是样本名。为了缩短数据处理时间，我们在此只取前500列作为后续的实验分析。

test3 <- test2[,1:500]
head(test3[1:3,1:3])
            A1BG     NAT2      ADA
A_Mean 0.7821015 0.000000 13.60736
B_Mean 0.8126094 0.018660 12.75982
C_Mean 1.1084687 0.059812 13.44264

y <- as.numeric(test3[,"A1BG"])        ## 本次操作中，选取A1BG基
1
2
3
4
5
6
7