GEO2R分析R代码学习之差异分析结果可视化

原创 小果 生信果 

以GSE70493为例，进行R代码差异分析结果可视化分析学习

代码如下：

# Visualize and quality control test results.
# Build histogram of P-values for all genes. Normal test
# assumption is that most genes are not differentially expressed.
tT2 <- topTable(fit2, adjust="fdr", sort.by="B", number=Inf)
hist(tT2$adj.P.Val, col = "grey", border = "white", xlab = "P-adj",
  ylab = "Number of genes", main = "P-adj value distribution")

#此段代码是对所有基因进行直方图绘制，hist处是绘制直方图的命令，col : 柱子的填充色 ，border：子的边框的颜色，xlab：x轴名称， ylab：y轴名称，main：直方图标题名称。

# summarize test results as "up", "down" or "not expressed"
dT <- decideTests(fit2, adjust.method="fdr", p.value=0.05)

#此段代码是通过decideTests函数计算去统计差异基因的表达情况。

# Venn diagram of results
vennDiagram(dT, circle.col=palette())

#此段代码是对差异结果进行venn图绘制，绘图使用的函数是vennDiagram函数

# create Q-Q plot for t-statistic
t.good <- which(!is.na(fit2$F)) # filter out bad probes
qqt(fit2$t[t.good], fit2$df.total[t.good], main="Moderated t statistic")

#此段代码是对数据进行t检验，Q–Q (quantile-quantile) plot 即绘制散点图

# volcano plot (log P-value vs log fold change)
colnames(fit2) # list contrast names
ct <- 1        # choose contrast of interest
volcanoplot(fit2, coef=ct, main=colnames(fit2)[ct], pch=20,
  highlight=length(which(dT[,ct]!=0)), names=rep('+', nrow(fit2)))

#此段代码是使用log P-value和，log fold change值进行火山图绘制，首先列出了组名，然后选择一点感兴趣的组进行火山图的绘制，火山图的绘图使用的是volcanoplot函数。

# MD plot (log fold change vs mean log expression)
# highlight statistically significant (p-adj < 0.05) probes
plotMD(fit2, column=ct, status=dT[,ct], legend=F, pch=20, cex=1)
abline(h=0)

#此段代码平均差异图(MD-plot)是对数折叠变化(差异)与平均对数值(平均值)的曲线。在此处进行强调统计显著性(即p-adj 0.05)，绘图所用函数是poltMD函数 。

# General expression data analysis
ex <- exprs(gset)

#此段代码是提取了差异表达数据，进行表达数据的分析

# box-and-whisker plot
dev.new(width=3+ncol(gset)/6, height=5)
ord <- order(gs)  # order samples by group
palette(c("#1B9E77", "#7570B3", "#E7298A", "#E6AB02", "#D95F02",
          "#66A61E", "#A6761D", "#B32424", "#B324B3", "#666666"))
par(mar=c(7,4,2,1))
title <- paste ("GSE70493", "/", annotation(gset), sep ="")
boxplot(ex[,ord], boxwex=0.6, notch=T, main=title, outline=FALSE, las=2, col=gs[ord])
legend("topleft", groups, fill=palette(), bty="n")
dev.off()

#此段代码是进行箱线图的绘制，它是一种用作显示一组数据分散情况资料的统计图， 使用boxplot函数进行绘制，dev.new打开绘图模式，dev.off()关闭绘图模式

# expression value distribution
par(mar=c(4,4,2,1))
title <- paste ("GSE70493", "/", annotation(gset), " value distribution", sep ="")
plotDensities(ex, group=gs, main=title, legend ="topright")

#此段代码是统计表达式值并绘制分布密度图 ，这里用到了plotDensities函数，包含表达矩阵，分组情况，标题名称等信息。

# mean-variance trend, helps to see if precision weights are needed
plotSA(fit2, main="Mean variance trend, GSE70493")

#此段代码绘制是平均方差趋势图，使用plotSA函数，目的是为了明确是否需要去计算权重。