降维

准备数据降维

假设这个包的用户将数据已经导入到gzip tabix格式中所描述的“导入数据”故事。从那里,需要进一步处理创建log-methylation-ratio矩阵用于降维。即通过BSseq格式,因为它很容易强迫所需的矩阵和本身是有用的其他各种分析。

库(NanoMethViz) #导入示例NanoMethResult对象nmr < - load_example_nanomethresult()核磁共振

# #一个类的对象“NanoMethResult”# #槽“甲基”:# # [1]“/ tmp / RtmpYyLzuS / Rinst17135a1e8e538b / NanoMethViz / methy_subset.tsv。bgz“# # # #槽“样本”:# # #一个宠物猫:6×2 # # # #样本组<空空的> < fct > # # 1 B6Cast_Prom_1_bl6 bl6 # # 2 B6Cast_Prom_1_cast把# # 3 B6Cast_Prom_2_bl6 bl6 # # 4 B6Cast_Prom_2_cast把# # 5 B6Cast_Prom_3_bl6 bl6 # # 6 B6Cast_Prom_3_cast演员# # # #槽”外显子”:# # #一个宠物猫:303×7 # # gene_id对应链开始结束transcript_id符号# # <空空的> <空空的> <空空的> < int > < int > < int > <科> # # 12189 chr11 - 101551769 101551879 92234 Brca1 # # 2 12189 chr11 - 101551879 101549113 92234 Brca1 # # 3 12189 chr11 - 101549113 101540034 92234 Brca1 # # 4 12189 chr11 - 101540034 101535605 92234 Brca1 # # 5 12189 chr11 - 101535605 101534027 92234 Brca1 # # 6 12189 chr11 - 101534027 101532159 92234 Brca1 # # 7 12189 chr11 - 101532159 101531094 92234 Brca1 # # 8 12189 chr11 - 101531094 101529836 92234 Brca1 # # 9 12189 chr11 - 101529836 101528077 92234 Brca1 # # 10 12189 chr11 - 101528077 101526639 92234 Brca1 # # #…293多行

#皈依bsseq bss < - methy_to_bsseq bss (nmr)

# #一个“BSseq”类型的对象与# # # # # # 6样本4778个甲基化位点没有平滑# #内存中的所有化验

我们可以根据个体生成log-methylation-ratio或计算基因甲基化网站,或其他类型的特性。聚集在特性通常会提供更加稳定和健壮的结果,在这里,我们会使用基因。

#创建从外显子基因注释注释gene_anno < - exons_to_genes (NanoMethViz:外显子(nmr)) #创建log-methylation-ratio矩阵lmr < - bsseq_to_log_methy_ratio (bss、地区= gene_anno)

NanoMethViz目前提供了两个选项,MDS图基于limma MDS的实现,并使用BiocSingular PCA阴谋。

plot_mds (lmr) + ggtitle (“MDS阴谋”)

plot_pca (lmr) + ggtitle (“PCA阴谋”)

可以提供额外的颜色和标签选项通过函数参数。进一步自定义可以使用典型ggplot2命令完成。

new_labels < - gsub (“B6Cast_Prom_”、“colnames (lmr)) new_labels < - gsub (“(\ \ d) _ (. *)”、“1 \ \ 2 \ \”,new_labels)组< - gsub (“\ \ d”、“new_labels) plot_mds (lmr、标签= new_labels组=组)+ ggtitle (“MDS阴谋”)+ scale_colour_brewer(面板=“set2”中的)