我有一个.csv文件,其中包含第1列中的基因名称,以及后续列中每位患者的每个基因的“每百万转录数”计数。有56,632个基因被阅读,似乎有许多重复的基因ID。我的数据矩阵样本如下:
Gene_ID UniIEC01 UniIEC02 UniIEC03 UniIEC04 UniIEC05
TSPAN6 1.45 1.30 1.53 1.35 1.50
TNMD -2.00 -2.00 -2.00 -2.00 0.29
DPM1 0.76 1.06 1.37 0.90 1.26
SCYL3 -0.43 0.67 0.43 0.71 0.23
C1orf112 -0.43 0.18 0.14 0.74 0.06
FGR -2.00 -2.00 -2.00 0.29 -2.00
CFH -2.00 -0.92 -2.00 -0.42 -2.00
我为“read.table”尝试了以下内容,并遇到以下问题:
(1)手动添加一个数字为“row.names”的列,并为该列指定“row.names”。 问题:然后我无法通过基因名称调用数据。我有一些我想要调用的200多个基因列表,找到每个基因的行号太麻烦了。 (2)当在表中读取时,我设置具有正确格式的“row.names = NULL”。 问题:当我尝试使用
调用数据时"data.frame["TSPAN6":"TNMD",1:5]
我收到错误消息:“强制引入的NAs”,除了患者编号以外的所有细胞都返回为“NA”。
有人可以帮我解决这个问题吗?
我的最终目标是使用56,632中的特定基因组创建热图。
谢谢!
阿瓦提卡
答案 0 :(得分:0)
您可以通过以下方式获得所需的基因:
gene_list <- c('CNTF', 'CFH', 'TSPAN6')
df[df$Gene_ID %in% gene_list, ]
来自heatmap.2()
包的 gplots
是制作热图的一种比较流行的方式。
所有这一切,你应该回过头来弄清楚为什么你有重复的基因名称。我猜测每个基因有多种异构体。在这种情况下,如果要在基因水平上进行量化,则需要从原始计数中重新计算每百万转录本。但是这个问题不适用于堆栈溢出。试试biostars.org,询问如何重新计算这些值。