生信干货~SRA下载后批量处理Counts文件

新起点 国自然终于都交完了~开始更新生信干货教程~~~

在这之前先看下面的教程

总结 从零到壹：10元转录组分析小结~干货~ 然后，重点看批量处理数据的技巧~从零到壹：10元转录组分析 从零到壹：10元转录组分析~硬盘不够用咋办 从零到壹:10元~Mapping神器STAR的安装及用 从零到壹:从SRA下载到分析~纯干货 10元转录组分析：这次真的是干货了~灰常干

得到ReadsPerGene数据后

得到每个基因的Counts数之后，你需要将这些不同文件中的提取出来，以制备DEseq2所需要的原始文件，组数少的情况下很好吧，看好第几列、第几行，用R语言按照下面的命令就可以x<-Counts[-(1:4),2] #去掉的1到4行,选取第2列然后用cbind把所有x并在一起就OK了。

但是数量巨大怎么办

比如以下这样的300+样本

"少废话，来干货~"

将R语言工作环境设置为这些文件所在文件夹

注意这些文件夹中不能有其他文件

如果你的样本是链特异性（Reverse）测序

“啥是链特异性，需要解释的留言”

用下面这组命令

library(stringr)

library(dplyr)

fall <- dir()

data.out<-df.use[1:4,]

for (fnow in fall) {

str <- str_sub(fnow, start = 4, end = 10)

num <- as.numeric(str)

df.read <- read.table(fnow)

df.use <- data.frame(v1 = df.read$V1,v4=df.read$V4)

str_c<-str_c('SRR',str)

colnames(df.use)<-c('V1',str_c)

data.out <- full_join(data.out, df.use,by="V1")

}

data.out1<-data.out[-(1:4),-2] #这个是对data.out修整

write.csv(data.out1, file = 'F:/out.csv')

data.out1 就是DEseq2包中需要用的文件

之后的就分析吧

~~~~~~~

未完待续