专栏九：差异分析方法代码总结-limma Deseq2 edgR

最新推荐文章于 2024-09-21 22:09:18 发布

18kkk

最新推荐文章于 2024-09-21 22:09:18 发布

阅读量825

点赞数

分类专栏： R语言和python单细胞空间转录组绘图代码文章标签： r语言生物信息学学习

本文链接：https://blog.youkuaiyun.com/m0_58549466/article/details/130304494

版权

R语言和python单细胞空间转录组绘图代码专栏收录该内容

27 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

该博客详细介绍了R语言在生物信息学中进行差异分析的多种方法，包括limma、DESeq2和edgeR等工具的使用。从数据处理、探针ID注释转换到差异基因的定义和可视化，再到PCA分析和GSEA，内容全面深入，适合生物信息学初学者和进阶者。此外，还提供了多篇推荐阅读资料，帮助读者进一步提升技能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

概览

包括芯片和测序的数据

在这里插入代码片

安装课程相应的R包

### 设置镜像
options("repos"=c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")

if(!requireNamespace("tidyr",quietly = TRUE)) install.packages("tidyr",update = F,ask = F)
if(!requireNamespace("dplyr",quietly = TRUE)) install.packages("dplyr",update = F,ask = F)
if(!requireNamespace("ggplot2",quietly = TRUE)) install.packages("ggplot2",update = F,ask = F)
if(!requireNamespace("data.table",quietly = TRUE)) instal

了解本专栏