基因表达中的相关病例与对照

Question

我有77名癌症患者的基因表达数据。 我有一组来自患者的血液，一组来自患者肿瘤，一组来自患者的健康组织：

data1 <- ExpressionBlood
data2 <- ExpressionCancerTissue
data3 <- ExpressionHealtyTissue

如果肿瘤组织中的表达与我所有基因的血液表达相关，我想进行分析。 做这个的最好方式是什么？

Answer 1

如果你熟悉python，我会使用pandas 。 它使用类似于R的“DataFrames”，因此您可以采用该概念并将其应用于R.

假设您的data1是一个分隔文件，格式如下：

GeneName | ExpValue |
gene1       300.0
gene2       250.0

然后，您可以执行此操作以将每种数据类型转换为DataFrame ：

dfblood = pd.read_csv('path/to/data1',delimiter='\t')
dftissue = pd.read_csv('path/to/data2',delimiter='\t')
dftumor = pd.read_csv('path/to/data3',delimiter='\t')

现在merge DataFrame merge为一个主df 。

dftmp = pd.merge(dfblood,dftissue,on='GeneName',how='inner')
df = pd.merge(dftmp,dftumor,on='GeneName',how='inner')

重命名列，小心确保正确的顺序。

df.columns = ['GeneName','blood','tissue','tumor']

现在，您可以使用简单命令对数据进行标准化（如果尚未标准化）。

df = df.set_index('GeneName') # allows you to perform computations on the entire dataset
df_norm = (df - df.mean()) / (df.max() - df.min())

你可以使用df_norm.corr()生成下面的结果。 但此时，如果需要，您可以使用numpy执行更复杂的计算。

          blood      tissue       tumor
blood   1.000000    0.395160    0.581629
tissue  0.395160    1.000000    0.840973
tumor   0.581629    0.840973    1.000000

HTH至少朝着正确的方向前进。

编辑

如果要使用Student T的对numpy.log更改，可以使用numpy.log计算原始数据的日志

import numpy as np

df[['blood','tissue','tumor']] = df[['blood','tissue','tumor']]+1
# +1 to avoid taking the log of 0
df_log = np.log(df[['blood','tissue','tumor']])

要获得每个基因的“日志”倍数更改，这会将新列附加到您的df_log DataFrame。

df_log['logFCBloodTumor'] = df_log['blood'] - df_log['tumor']
df_log['logFCBloodTissue'] = df_log['blood'] - df_log['tissue']