蛋白组分析---用Persues进行后续分析

1. 上文中,我们用Maxquant软件分析了.raw数据,最终得到了个txt命名的文件,长这样:
proteinGroups.txt是用来后续分析的软件
2. 接下来,我们下载并打开Persues软件:
部分汉化的一个不伦不类的软件,让具有强迫症的我心里刺挠
3. 我们导入刚刚的文件:
很简单的

PS:
因为Persues是Maxquant的配套软件,其可用于但不限于Maxquant软件的后续分析,因此,Persues可以自动识别Maxquant的结果文件,并将关键的信息进行分类:Numerical(数据型变量)、Categorical(分类型变量)、Text(信息型变量)和Main(主要分析变量,主要是蛋白组的关键信息)等几个关键的分类指标。

4. 我们将衡量蛋白丰度的关键性变量导入到Main这个表格中,然后选择OK:

LFQ intensity___

得到标准的处理界面:
3个窗口的界面

左侧:处理的数据矩阵;中间:流程图流程;右侧:矩阵的关键信息

5. 接下来就是数据过滤
5.1. 过滤受到污染的蛋白(这是基于Categorical指标的)
选对分类指标,mode

得到的过滤后的结果:


行数由2633行缩减到2539行
5.2. 过滤多肽列大于1的多肽(目的是找出独立的多肽列)
image.png

得到的过滤后的结果:


行数由2539行缩减到2233行
5.3. 过滤反库的序列
image.png

得到的过滤后的结果:


行数由2233行缩减到2225行
6. 7数据转换
对Main中的主要数据进行log2(x)的转换

得到的结果:


可以发现是取对数之后的结果
7. 缺失值(6个样本中最多不能缺失超过2个)
过滤有效值,6个样本中有效值至少大于等于4

得到的过滤后的结果:


行数由2225行缩减到1801行
8. 缺失值的填充
基于每一列分布的缺失值的填充

可以看到起先显示NaN的被填充上了数据
9. 最后是T检验和FDR检验
9.1. 对样本列进行注释,区分实验组和对照组
这里我们区分了两个组其中一个是FGP,另一个是VGP

可以看到显示出了分组类型
9.2. 接着进行两样本Student t检验
选定对照组和实验组

image.png
10. 将分析好的数据进行导出
选择导出的文件夹,导出文本格式的矩阵
参考文章:
  1. https://cloud.tencent.com/developer/article/1489812
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,390评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,821评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,632评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,170评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,033评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,098评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,511评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,204评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,479评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,572评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,341评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,893评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,171评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,486评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,676评论 2 335

推荐阅读更多精彩内容