新版TCGAbiolinks包学习：富集分析和生存分析

关注公众号，发送R语言或python，可获取资料

💡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