这篇“ESTIMATE的R包脚本怎么写”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“ESTIMATE的R包脚本怎么写”文章吧。
xCell包安装
options(stringsAsFactors = F) Sys.setlocale("LC_ALL","English") devtools::install_github('dviraran/xCell') library(xCell)
##利用xCell分析RNA-seq数据
result <- xCellAnalysis(exprSet,rnaseq=T) save(result,file = 'Xcell_result')
MCP-counter的R包脚本:
library(devtools) install_github('ebecht/MCPcounter',ref='master',subdir = 'Source') library(MCPcounter) input <- read.table("RNA-seq_data ",sep = "\t",header = TRUE,row.names = 1)
#小编在运行时遇到了github连接的错误;设置C:\Windows\System32\drivers\etc\hosts文件;在文件最后面加:“199.232.68.133 raw.githubusercontent.com”
MCPcounter_estimate <- MCPcounter.estimate(input,featuresType = "HUGO_symbols") heatmap(as.matrix(ExampleEstimates),col=colorRampPalette(c("blue","white","red"))(100))
ESTIMATE的R包脚本:
library(utils) rforge <- "http://r-forge.r-project.org" install.packages("estimate", repos=rforge, dependencies=TRUE) library(estimate) help(package="estimate") SCLC_Expr = "C:/Users/lxz/Desktop /sclc_ucologne_2015/data_RNAseq_SCLC_uni_sort_TPM" filterCommonGenes(input.f=SCLC_Expr,output.f = "SCLC_10412genes.gct",id = "GeneSymbol") estimateScore(input.ds = "SCLC_10412genes.gct", output.ds="SCLC_estimate_score.gct", platform="illumina") ##此步点图是基于Affymetrix平台的测序数据 #plotPurity(scores="SCLC_estimate_score.gct", samples="all_samples",platform="Affymetrix") sclc_scores=read.table("SCLC_estimate_score.gct",skip = 2,header = T) rownames(sclc_scores)=sclc_scores[,1] sclc_scores=t(sclc_scores[,3:ncol(sclc_scores)]) write.table(sclc_scores,"Immunity_score",row.names = T,sep = "\t",quote = F)
以上就是关于“ESTIMATE的R包脚本怎么写”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。