新版TCGAbiolinks包学习：富集分析和生存分析
💡专注R语言在🩺生物医学中的使用
TCGAbiolinks是一个大而全的R包，常见的分析都能做，比如差异分析、富集分析、生存分析等等。上次学习了差异分析，今天学习下富集分析和生存分析。
但其实这些分析我们都是把数据保存好用其他包做的~
富集分析
如果大家要做富集分析，那肯定是首选clusterprofiler了，不过今天这个还是要学习下。
还是用上篇推文得到的coadDEGs继续进行富集分析。
load(file = "coadDEGs.Rdata")
在TCGAbiolinks里进行富集分析很简单，就一句代码搞定。
library(TCGAbiolinks)
Genelist <- coadDEGs$gene_name # gene_symbol
# 进行GO和KEGG分析
ansEA <- TCGAanalyze_EAcomplete(
TFname = "TCGAbiolinks enrichment analysis",
RegulonList = Genelist
)
## [1] "I need about 1 minute to finish complete Enrichment analysis GO[BP,MF,CC] and Pathways... "
## [1] "GO Enrichment Analysis BP completed....done"
## [1] "GO Enrichment Analysis MF completed....done"
## [1] "GO Enrichment Analysis CC completed....done"
## [1] "Pathway Enrichment Analysis completed....done"
# 富集分析结果可视化
TCGAvisualize_EAbarplot(
tf = rownames(ansEA$ResBP),
GOBPTab = ansEA$ResBP,
GOCCTab = ansEA$ResCC,
GOMFTab = ansEA$ResMF,
PathTab = ansEA$ResPat,
nRGTab = Genelist,
nBar = 10
)
## png
## 2
然后就可以得到一张条形图：
生存分析
可以使用之前保存好的数据，也可以直接下载使用，临床数据不大，一般都能下载下来~
# 临床数据可以像这样下载，直接就是一个数据框
clin.coad <- GDCquery_clinic("TCGA-COAD", "clinical")
dim(clin.coad)
## [1] 461 70
会直接得到这样一个数据框，非常方便：
然后就可以进行生存分析了，比如我们用gender作为分组变量：
TCGAanalyze_survival(
data = clin.coad,
clusterCol = "gender",
main = "TCGA Set\n COAD",
height = 10,
width=10
)
## File saved as: survival.pdf
结果会得到这样一个图：
肯定是不如自己用别的包画的好看~
也可以使用基因表达量进行分组，然后进行差异分析，只要把基因表达量数据加进去即可~
但是如果这样做的话，我们肯定是选择使用survival包做，比TCGAanalyze_survival()更加灵活好用~
除此之外，还可以进行火山图、热图、PCA图的绘制以及甲基化的一些简单分析，但是相比于它下载和准备数据的功能，其他功能太弱了，都是对于其他包的封装，对于TCGAbiolinks的这些分析感兴趣的可以自行去官网学习哦~
获取更多信息，欢迎加入🐧QQ交流群：613637742
“医学和生信笔记，专注R语言在临床医学中的使用、R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。
往期回顾
R语言可视化meta分析的文献质量评价
基于data.table的“tidyverse”？
使用mlr3搞定二分类资料的多个模型评价和比较
使用tidymodels搞定二分类资料多个模型评价和比较
R语言和医学统计学（合辑）