绘制富集系统聚类图
糖糖家的老张的教程使用记录 安装补充包 conda activate clusterprofiler BiocManager::install(“GOplot”) 计算差异基因f_DESeq2、f_dedup_IQR 1234567891011r1 <- f_DESeq2(cts_b[keep,], geneInfo[keep,], Ct1, Tt1)DEG <- subset(r
CBNplot推断临床变量对通路的影响
清洗数据123456789101112vsted <- readRDS('rininiang.rds')group <- readRDS('tcga.predict.rds')incSample <- rownames(group)[group$group == 'High Risk']pwayGSE <- re
TCGAbiolinks下载甲基化数据
安装补充包 conda activate tcga # conda install -c bioconda bioconductor-sesamedata -y conda install -c conda-forge r-magick -y BiocManager::install(“sesameData”) BiocManager::install(“sesame”) BiocManager:
TCGAbiolinks下载CNV数据
下载Gene水平的数据12345678910library(TCGAbiolinks)query <- GDCquery( project = "TCGA-PRAD", data.category = "Copy Number Variation", data.type = "Gene Level Copy Number&q
TCGAbiolinks下载maf数据
下载数据 ~/dev/xray/xray -c ~/etc/xui2.json & 123456789101112library(TCGAbiolinks)Sys.setenv("http_proxy"="http://127.0.0.1:20809")Sys.setenv("https_
TCGA突变数据使用记录（一）
数据下载，从cBioPortal 从cBioPortal找到相应的数据，并从github下载 ~/dev/xray/xray -c ~/etc/xui2.json & wget -e “https_proxy=http://127.0.0.1:20809“ https://github.com/cBioPortal/datahub
蛋白质组学TCPA数据集使用记录
获取数据 进入TCPA的下载页面选择感兴趣的L4数据 unzip TCGA-PRAD-L4.zip 清洗数据f_dedup_IQR 123456tcpa <- read.csv('tmp/TCGA-PRAD-L4.csv')type <- as.numeric(substr(tcpa$Sample_ID, 14, 15))tcpa <- subset(tcp
oncoPredict包进行药物敏感性预测
安装包 conda create -n oncoPredict -c conda-forge r-base=4.1.3 conda activate oncoPredict conda install -c conda-forge r-tidyverse -y conda install -c conda-forge r-irkernel -y Rscript -e “IRkernel: