基于Python语言使用DESeq2方法进行bulk-RNAseq的差异表达分析

DoubleHelix

发布于 2024-04-15 10:34:20

79600

代码可运行

文章被收录于专栏：生物信息云生物信息云

运行总次数：0

代码可运行

bulk-RNAseq的差异表达分析方法，常用DESeq2和edgeR包，这2个包主要是基于R语言开发的，使用R语言进行分析

import pandas as pd
import numpy as np
import anndata as ad
import math
import seaborn as sns
import matplotlib.pyplot as plt 
from pydeseq2.dds import DeseqDataSet
from pydeseq2.ds import DeseqStats
# from pydeseq2.utils import load_example_data

读入count矩阵文件：

count_file = "data/count.csv"
counts_df = pd.read_csv(count_file,index_col=0).T
counts_df.head().iloc[:,range(10)]

注意：读入的数据进行转置，是因为使用pydeseq2包进行分析时，count矩阵需要的是行为样本，列为基因名称，和R语言中的DESeq2包刚好相反。

读入样本信息文件：

condition_file = "data/matedata.csv"
condition_df = pd.read_csv(condition_file, index_col=0)
condition_df.head()

构建DeseqDataSet 对象，并进行差异分析：

# 构建DeseqDataSet 对象
dds = DeseqDataSet(counts = counts_df, clinical = condition_df, design_factors = "type")
# 离散度和log fold-change评估.
dds.deseq2()

执行统计检验：

# 执行统计分析并返回结果
res = DeseqStats(dds)
res.summary()

提取结果：

res_df = res.results_df
res_df

筛选显著性差异表达的基因：

# 对padj取-log10对数
res_df['-logpadj'] = -res_df.padj.apply(math.log10)
# 尝试写循环筛选上下调基因分类赋值给 "up" 和 "down" 和 "nosig" 加入pvalue条件
###loc函数：通过行索引 "Index" 中的具体值来取行数据（如取"Index"为"A"的行）
res_df.loc[(res_df.log2FoldChange>2)&(res_df.padj<0.05),'type']='up'
res_df.loc[(res_df.log2FoldChange<-2)&(res_df.padj<0.05),'type']='down'
res_df.loc[(abs(res_df.log2FoldChange)<=2)|(res_df.padj>=0.05),'type']='nosig'
res_df

res_df.type.value_counts()

火山图可视化：

# 先设置一下颜色
colors = ["#808080","#DC143C","#00008B"]
sns.set_palette(sns.color_palette(colors))
# 绘图
ax=sns.scatterplot(x='log2FoldChange', y='-logpadj',data = res_df,
                hue='type',#颜色映射
                edgecolor = None,#点边界颜色
                s=8,#点大小
                )
# 标签
ax.set_title("Vocalno")
ax.set_xlabel("log2FoldChange")
ax.set_ylabel("-log10(padj)")
#移动图例位置
ax.legend(loc='center right', bbox_to_anchor=(0.95,0.76), ncol=1)