库(BiocStyle)库(HPAanalyze)图书馆(dplyr)图书馆(ggplot2)
数据< - hpaDownload (downloadList =“组织学”,version =“v18”)

1图2

gene_list_2 < - c (“TP53”、“表皮生长因子受体”,“CD44”、“PTEN”,“IDH1”、“IDH2”,“本体”)# 2面板tissue_list_2 < - c(“皮肤1”、“小脑”、“乳房”)plot_2a < - hpaVisTissue (data =数据、targetGene = gene_list_2 targetTissue = tissue_list_2颜色= c (“# eff3ff”、“# bdd7e7”、“# 6 baed6”、“# 2171 b5”)) ggsave(文件名= " plot_2a。pdf”,情节= plot_2a设备= " pdf”) #面板2 b cancer_list_2 < - c(“乳腺癌”、“神经胶质瘤”、“淋巴瘤”、“前列腺癌”)plot_2b < - hpaVisPatho (data =数据、targetGene = gene_list_2 targetCancer = cancer_list_2) ggsave(文件名= " plot_2b。pdf”,情节= plot_2b设备= " pdf”,宽度= 7,身高= 5)#面板2 c plot_2c < - hpaVisSubcell (data =数据、targetGene = gene_list_2颜色= c(“白色”、“黑色”),可靠性= c(“强化”、“支持”、“批准”))ggsave(文件名= " plot_2c。pdf”,情节= plot_2c设备= " pdf”)

2图3

gene_list_3 < - c (“GFAP”、“表皮生长因子受体”,“PDGFRA”、“PIK3CA”、“PTEN”、“BRAF”、“MDM2”、“MDM4”、“到”)3 #面板tissue_list_3 < - c(“海马”,“大脑皮层”)plot_3a < - hpaVisTissue (data =数据、targetGene = gene_list_3 targetTissue = tissue_list_3颜色= c (“# eff3ff”、“# bdd7e7”、“# 6 baed6”、“# 2171 b5”)) ggsave(文件名= " plot_3a。pdf”,情节= plot_3a设备= " pdf”,宽度= 7,身高= 5)#面板3 b plot_3b < - hpaVisPatho (data =数据、targetGene = gene_list_3 targetCancer =“神经胶质瘤”)ggsave(文件名= " plot_3b。pdf”,情节= plot_3b设备= " pdf”,宽度= 7,身高= 5)#面板3 c gene_list_3c < - c (“PTEN”、“H3F3A”,“DAXX”、“PML”) plot_3c < - hpaVisSubcell (data =数据、targetGene = gene_list_3c颜色= c(“白色”、“黑色”),可靠性= c(“强化”、“支持”、“批准”))ggsave(文件名= " plot_3c。pdf”,情节= plot_3c设备= " pdf”,宽度= 4,身高= 3)

3图4

gene_list_4 < - c (“GCH1”、“分”、“SPR”,“DHFR”) 4 #面板tissue_list_4 < - c(“海马”、“大脑皮层”、“尾”)plot_4a < - hpaVisTissue (data =数据、targetGene = gene_list_4 targetTissue = tissue_list_4颜色= c (“# eff3ff”、“# bdd7e7”、“# 6 baed6”、“# 2171 b5”)) ggsave(文件名= " plot_4a。pdf”,情节= plot_4a设备= " pdf”,宽度= 5,身高= 4)#面板4 b plot_4b < - hpaVisPatho (data =数据、targetGene = gene_list_4 targetCancer =“神经胶质瘤”)ggsave(文件名= " plot_4b。pdf”,情节= plot_4b设备= " pdf”,宽度= 5,身高= 4)#面板4 c #图生成的http://gliovis.bioinfo.cnio.es/访问GlioVis门户:6月19日2019 # #策划:#导航标签:探索生存> > kaplan meier >情节# #参数:# -数据集:成人伦勃朗# -基因:SPR或DHFR # -组织学:所有# -亚型:#——截止:# -情节选项中位数:使用默认选项# -下载:使用默认选项# #检索绘图数据:相同(参数)#导航标签:探索生存> > kaplan meier >情节#按钮:下载CSV #面板4 d plot_4d < - > hpaVisSubcell (data =数据、targetGene = gene_list_4颜色= c(“白色”、“黑色”),可靠性= c(“强化”、“支持”、“批准”))ggsave(文件名= " plot_4d。pdf”,情节= plot_4d设备= " pdf”,宽度= 4,身高= 3)

4图5

hpaSubset (data =数据targetGene =“SLC2A3 targetTissue = c(“海马”、“大脑皮层”、“尾”),targetCellType =“胶质细胞”,targetCancer =“神经胶质瘤”)# $ normal_tissue # #一个宠物猫:3 x 6 #运用基因组织cell_type水平可靠性# <空空的> <空空的> <科> <空空的> <空空的> <科> # 1 ENSG00000059804 SLC2A3尾状胶质细胞不被察觉的情况下批准了# 2 ENSG00000059804 SLC2A3大脑皮层神经胶质细胞不被察觉的情况下批准了# 3 ENSG00000059804 SLC2A3海马区胶质细胞不检测病理批准# # $ # #一个宠物猫:1 x 11 #运用基因癌症高中低not_detected prognostic_favo ~ # <空空的> <空空的> <空空的> <双> <双> <双> <双> <双> # 1神经胶质瘤ENSG00 ~ SLC2 ~ 1 2 1 8 NA # #…与三个变量:unprognostic_favorable <双>,# # prognostic_unfavorable <双>,unprognostic_unfavorable subcellular_location美元<双> # # # #一个宠物猫:1 x 11 #运用基因可靠性增强支持批准确定single_cell_var ~ # <空空的> <空空的> <空空的> <科> <空空的> <科> <空空的> <科> # 1 ENSG00批准~ SLC2 ~ ~ NA NA NA NA等离子体# #……与三个变量:single_cell_var_spatial <科>,# # cell_cycle_dependency <科>,go_id <科> SLC2A3xml < - hpaXmlGet (“SLC2A3 version =“v18”) SLC2A3_ab < - hpaXmlAntibody (SLC2A3xml) SLC2A3_ab # id releaseDate releaseVersion RRID # <空空的> <空空的> <空空的> <科> # 1 CAB002763 2006-03-13 NA # 2 HPA006539 1.2 2006-03-13 3.1 AB_1078984 SLC2A3_expr <——hpaXmlTissueExpr (SLC2A3xml) str (SLC2A3_expr[[1]]) #类“tbl_df”、“资源”和“data.frame”: 330奥林匹克广播服务公司。18个变量:# $ patientId:空空的“2212”“2374”“2068”“2154”……# $年龄:空空的“35”“44”“38”“66”……# $性:空空的“男”“女”“男”“女”……# $染色:装备缺缺缺缺……# $强度:装备缺缺缺缺……#美元数量:装备缺缺缺缺……# $位置:装备缺缺缺缺…… # $ imageUrl : chr "http://v18.proteinatlas.org/images/2763/6778_B_4_5.jpg" "http://v18.proteinatlas.org/images/2763/6778_B_5_5.jpg" "http://v18.proteinatlas.org/images/2763/6778_A_3_2.jpg" "http://v18.proteinatlas.org/images/2763/6778_A_1_2.jpg" ... # $ snomedCode1 : chr "M-00100" "M-00100" "M-00100" "M-00100" ... # $ snomedCode2 : chr "T-93000" "T-93000" "T-66000" "T-66000" ... # $ snomedCode3 : chr NA NA NA NA ... # $ snomedCode4 : chr NA NA NA NA ... # $ snomedCode5 : chr NA NA NA NA ... # $ tissueDescription1: chr "Normal tissue, NOS" "Normal tissue, NOS" "Normal tissue, NOS" "Normal tissue, NOS" ... # $ tissueDescription2: chr "Adrenal gland" "Adrenal gland" "Appendix" "Appendix" ... # $ tissueDescription3: chr NA NA NA NA ... # $ tissueDescription4: chr NA NA NA NA ... # $ tissueDescription5: chr NA NA NA NA ... dir.create("img") SLC2A3_norm <- SLC2A3_expr[[1]] %>% filter(tissueDescription1 == "Normal tissue, NOS") %>% filter(tissueDescription2 %in% c("Cerebral cortex", "Hippocampus", "Lateral ventricle wall")) for (i in 1:nrow(SLC2A3_norm)) { download.file(SLC2A3_norm$imageUrl[i], destfile = paste0("img/", SLC2A3_ab$id[1], "_", SLC2A3_norm$patientId[i], "_", SLC2A3_norm$tissueDescription2[i], "_", SLC2A3_norm$staining[i], ".jpg"), mode = "wb") } SLC2A3_glioma <- SLC2A3_expr[[1]] %>% filter(tissueDescription1 %in% c("Glioma, malignant, High grade", "Glioma, malignant, Low grade", "Glioma, malignant, NOS")) for (i in 1:nrow(SLC2A3_glioma)) { download.file(SLC2A3_glioma$imageUrl[i], destfile = paste0("img/", SLC2A3_ab$id[1], "_", SLC2A3_glioma$patientId[i], "_", SLC2A3_glioma$tissueDescription1[i], "_", SLC2A3_glioma$staining[i], ".jpg"), mode = "wb") }