根据rawdata算FPKM

1. 先准备好外显子

参考这篇

library(GenomicFeatures) 
txdb <- makeTxDbFromGFF("路径/gencode.v22.annotation.gtf",format="gtf")

#通过exonsBy获取每个gene上的所有外显子的起始位点和终止位点,然后用reduce去除掉重叠冗余的部分 #最后计算长度 
exons_gene <- exonsBy(txdb, by = "gene")
exons_gene_lens <- lapply(exons_gene,function(x){sum(width(reduce(x)))})

exons_gene_lens1 <- as.data.frame(exons_gene_lens)
#转置一下
exons_gene_lens1 <- t(exons_gene_lens1)

#合并rawdata count和exon
counts = read.table("路径/mut-1.txt", sep = "\t", header = T)

2. 因为我的rawdata基因名字是symbol,所以需要名称转换一下,用到了clusterProfiler里的bitr(但是由于bitr库里可能不能及时更新基因list,所以会有遗漏的,这点我找不到解决办法,除非手动转换)

library(DOSE)
library(org.Hs.eg.db)
library(clusterProfiler)
gene.df<-bitr(counts$SYMBOL, fromType = "SYMBOL" , 
              toType = c("ENSEMBL"),
              OrgDb = org.Hs.eg.db,
              drop = FALSE)
counts_change <- merge(gene.df, counts, all.x = F, all.y = F)
#去掉NA
all <- apply(counts_change, 1, function(x) all(x==0) )
counts_change <- counts_change[!all,]
counts_change <- counts_change[complete.cases(counts_change),]
sum(is.na(counts_change))

3. 这里发现exon里的ENSEMBL名里含有版本号,也就是有小数点

#去掉名字里的小数点
xc <- gsub("\\.(\\.?\\d*)","",rownames(exons_gene_lens1))
rownames(exons_gene_lens1) = xc
colnames(exons_gene_lens1) = "Length"
exons_gene_lens1 <- as.data.frame(exons_gene_lens1)

rownames <- as.data.frame(row.names(exons_gene_lens1))
exons_gene_lens1[,2] <- rownames
colnames(exons_gene_lens1) <- c("Length", "ENSEMBL")

#合并
count_with_exonlength <- merge(counts_change,exons_gene_lens1, by ="ENSEMBL")
write.csv(count_with_exonlength,file="C:/Users/wang/Desktop/wt-1.csv",quote=F)

#先把length除以1000,就是上面公式里说的单位要kb 
kb <- count_with_exonlength$Length/1000
kb
#把新count矩阵里的前546列的数值都除以kb 
countdata <- count_with_exonlength$Mut_NPC_1
rpk <- countdata/kb 
t(rpk) 
#FPKM计算 
fpkm <- t(t(rpk)/colSums(as.data.frame(countdata)) * 10^6) 
head(fpkm)
MUT_1_FPKM <- cbind(count_with_exonlength, fpkm)

write.csv(MUT_1_FPKM,file="C:/Users/wang/Desktop/MUT-1-fpkm.csv",quote=F)

这样就转换好了,我是一个一个样品转换的,也可以写函数批量转换,之后下一步进行相关性分析GSEA分析

最后编辑于
©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 216,919评论 6 502
  • 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 92,567评论 3 392
  • 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 163,316评论 0 353
  • 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 58,294评论 1 292
  • 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 67,318评论 6 390
  • 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 51,245评论 1 299
  • 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 40,120评论 3 418
  • 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 38,964评论 0 275
  • 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 45,376评论 1 313
  • 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 37,592评论 2 333
  • 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 39,764评论 1 348
  • 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 35,460评论 5 344
  • 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 41,070评论 3 327
  • 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 31,697评论 0 22
  • 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 32,846评论 1 269
  • 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 47,819评论 2 370
  • 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 44,665评论 2 354