trans

trans

0.背景知识1.随机去重2.保留行和/行平均值最大的探针.求平均值

0.背景知识

trans_array这个函数的作用是将探针表达矩阵转换为基因表达矩阵。

因为探针和基因不是一一对应的关系，会存在多个探针对应同一个基因的情况。例如AAMDC这个基因有三个探针：

代码语言：javascript代码运行次数：0运行复制

rm(list = ls())
load("exp_ids.Rdata")
ids0 = ids[ids$symbol=="AAMDC",]
ids0

代码语言：javascript代码运行次数：0运行复制

##          probe_id symbol
## 24890   220268_at  AAMDC
## 26046   221599_at  AAMDC
## 26047 221600_s_at  AAMDC

首先，多个探针对应同一个基因的问题是必须要处理的，因为最终的分析是以基因为单位，一个基因在一个样本里只能有一个表达量，在一次差异分析中只能有一个logFC，不能有多个啊。

我只设置了一种转换方式，就是按照symbol去重复，只保留每个基因的第一个探针。

其实全部的处理的方法有三种：

1.随机去重，保留任何一个探针都可以

2.保留行和/行平均值最大的探针

.取多个探针的平均值

采取这三种方法都是可以的，没有标准答案哦！

1.随机去重

因为这些探针也没什么主次和顺序，所以直接用R语言里的去重复函数搞一下就可以。trans_array这个函数采用的就是直接去重，这个例子里就会保留第一个探针。

可以验证一下啊:

代码语言：javascript代码运行次数：0运行复制

exp0 = exp[ids0$probe_id,]
exp0

代码语言：javascript代码运行次数：0运行复制

##             GSM17577 GSM175774 GSM175775 GSM175776 GSM175777
## 220268_at    .801755  .951920  4.00415  .9421  4.21515
## 221599_at    8.42928  8.96561  8.6902  7.495108  7.612667
## 221600_s_at  7.922799  7.75878  7.76548  7.195104  7.262884
##             GSM175778
## 220268_at    4.2421
## 221599_at    7.46824
## 221600_s_at  7.2711

代码语言：javascript代码运行次数：0运行复制

library(tinyarray)
exp1 = trans_array(exp,ids)
exp1[1:4,1:4]

代码语言：javascript代码运行次数：0运行复制

##       GSM17577 GSM175774 GSM175775 GSM175776
## DDR1   8.126595  8.75204  8.216957  8.909610
## RFC2   6.02881  6.254986  6.517528  7.29964
## HSPA6  6.97190  6.586626  6.58798  5.501578
## PAX8   7.517  7.50148  8.15091  8.57925

可以看到已经变成基因为行名的表达矩阵了。把AAMDC对应的表达量提取出来，和第一个探针的表达量放一起：

代码语言：javascript代码运行次数：0运行复制

exp1["AAMDC",]

代码语言：javascript代码运行次数：0运行复制

## GSM17577 GSM175774 GSM175775 GSM175776 GSM175777 GSM175778 
##  .801755  .951920  4.00415  .9421  4.21515  4.2421

代码语言：javascript代码运行次数：0运行复制

exp["220268_at",]

代码语言：javascript代码运行次数：0运行复制

## GSM17577 GSM175774 GSM175775 GSM175776 GSM175777 GSM175778 
##  .801755  .951920  4.00415  .9421  4.21515  4.2421

一模一样的。

2.保留行和/行平均值最大的探针

这个也是常见的去重策略之一。因为我不想这样搞(此处省略一些理由)，所以就没在函数里设置直接的参数。

但是我收到学生许愿了！主打一个有求必应，所以就来写了。

办法就是

代码语言：javascript代码运行次数：0运行复制

load("exp_ids.Rdata")
ids = ids[ids$probe_id %in% rownames(exp),]
exp = exp[ids$probe_id,]
identical(ids$probe_id,rownames(exp)) #他俩的顺序已经相同了

代码语言：javascript代码运行次数：0运行复制

## [1] TRUE

代码语言：javascript代码运行次数：0运行复制

ids = ids[order(rowSums(exp),decreasing = T),] #ids可以使用rowSums求和的顺序来排序，从大到小排，最大的在上面
library(tinyarray)
exp2 = trans_array(exp,ids)

%in% 和order都是R语言基础里面顶呱呱的函数。可以自行查阅帮助文档

让我们来检查一下：

代码语言：javascript代码运行次数：0运行复制

rowSums(exp0)

代码语言：javascript代码运行次数：0运行复制

##   220268_at   221599_at 221600_s_at 
##    24.14879    47.76652    45.2218

（行平均值就是行和➗样本数量，样本数量是固定的，所以行和最大就是行平均值最大）

可见行和最大的探针是221599_at，按照这种方法，这个探针的表达量应该被作为基因表达量。check之：

代码语言：javascript代码运行次数：0运行复制

exp2["AAMDC",]

代码语言：javascript代码运行次数：0运行复制

## GSM17577 GSM175774 GSM175775 GSM175776 GSM175777 GSM175778 
##  8.42928  8.96561  8.6902  7.495108  7.612667  7.46824

代码语言：javascript代码运行次数：0运行复制

exp0["221599_at",]

代码语言：javascript代码运行次数：0运行复制

## GSM17577 GSM175774 GSM175775 GSM175776 GSM175777 GSM175778 
##  8.42928  8.96561  8.6902  7.495108  7.612667  7.46824

同样是一模一样哦

.求平均值

这个方法不需要tinyarray

代码语言：javascript代码运行次数：0运行复制

load("exp_ids.Rdata")
exp = exp[ids$probe_id,]
rownames(exp) = ids$symbol
exp[1:4,1:4]

代码语言：javascript代码运行次数：0运行复制

##       GSM17577 GSM175774 GSM175775 GSM175776
## DDR1   8.126595  8.75204  8.216957  8.909610
## RFC2   6.02881  6.254986  6.517528  7.29964
## HSPA6  6.97190  6.586626  6.58798  5.501578
## PAX8   7.517  7.50148  8.15091  8.57925

代码语言：javascript代码运行次数：0运行复制

exp = limma::avereps(exp)

这种方法计算出来的是平均值，check之：

代码语言：javascript代码运行次数：0运行复制

exp["AAMDC",]

代码语言：javascript代码运行次数：0运行复制

## GSM17577 GSM175774 GSM175775 GSM175776 GSM175777 GSM175778 
##  6.717961  6.702406  6.71288  6.211148  6.6022  6.41789

代码语言：javascript代码运行次数：0运行复制

colMeans(exp0)

代码语言：javascript代码运行次数：0运行复制

## GSM17577 GSM175774 GSM175775 GSM175776 GSM175777 GSM175778 
##  6.717961  6.702406  6.71288  6.211148  6.6022  6.41789

本文参与 腾讯云自媒体同步曝光计划，分享自。原始发表：2024-07-11，如有侵权请联系 cloudcommunity@tencent 删除函数基础排序