🤩 TrendCatcher | 一把做动态差异表达分析的利剑！~（三）

生信漫卷

发布于 2024-11-23 09:11:51

17900

代码可运行

文章被收录于专栏：R语言及实用科研软件R语言及实用科研软件

运行总次数：0

代码可运行

写在前面

TrendCatcher是一个用于RNA-seq数据动态通路行为分析的R包，尤其适合比较两组数据（例如对照组与处理组）在多个时间点的通路变化差异。💪

通过在时间维度上进行通路的动态趋势分析，我们可以发现那些在不同条件下随时间显著变化的通路，从而进一步挖掘出潜在的生物学机制。🧫

在动态通路行为分析中，我们通常关注在不同条件下特定基因通路的表达趋势变化。🧐

例如，在疾病与健康对照组之间，我们希望找出哪些通路的行为模式随时间显著不同。这种方法在发现疾病关键路径、探索药物作用机制等方面有着重要的应用。😘

用到的包

rm(list = ls())
# install.packages("./TrendCatcher_1.0.0.tar.gz", repos = NULL, type = "source")
# devtools::install_github("jaleesr/TrendCatcher", dependencies = TRUE, build_vignettes = FALSE)
library(tidyverse)
library(enrichR)
library(TrendCatcher)

示例数据

severe.path<-system.file("extdata", "MasterListSevere.rda", package = "TrendCatcher")
load(severe.path)
moderate.path<-system.file("extdata", "MasterListModerate.rda", package = "TrendCatcher")
load(moderate.path)
ht.path<-system.file("extdata", "htSevere.rda", package = "TrendCatcher")
load(ht.path)

查看数据

这里要用到前面timeheatmatp生成的数据！~📈

#head(ht.severe$GO.df)
head(ht.severe$GO.df)

比较一下

比较来自两组的指定DDEGs轨迹。😘

这里我们以neutrophil activation的DDEGs为例。🧐

我们希望看到重度组和中度组的这些DDEGs轨迹比较，看看什么时间趋势上有什么区别！~😏

ht.severe$merge.df %>% filter(Description == "neutrophil activation")

显示neutrophil activation的重度组DDEGs，以及它们在中度和重度组之间的时间轨迹上有何不同。😘

这里是用的LOESS平滑曲线拟合法。🦉

draw_CurveComp(master.list.1 = master.list.severe, master.list.2 = master.list.moderate, ht.1 = ht.severe, pathway = "neutrophil activation",group.1.name = "severe", group.2.name = "moderate")

为了量化这两组时间点上的却别，这里需要用到统计比较，具有显著差异的时间点标记为灰色。😘

perm_output<-draw_CurveComp_Perm(master.list.1 = master.list.severe, 
                                 master.list.2 = master.list.moderate, 
                                 ht.1 = ht.severe, 
                                 pathway = "neutrophil activation", 
                                 group.1.name = "severe", 
                                 group.2.name = "moderate", 
                                 n.perm = 100, 
                                 parall = FALSE, 
                                 pvalue.threshold = 0.05)

看看结果里包含什么吧！~🙃