科研有捷徑，輸入代碼，一鍵獲取科研成果！就是這么省事，來具體看下有多方便！

搜索http://985.so/a9kb查看全部代碼（目前共計(jì)50+持續(xù)新增中），也可以點(diǎn)擊右側(cè)【目錄】，可以看到更多有趣的代碼；真香提示：文末可以知道如何獲取代碼~??

?

不同芯片數(shù)據(jù)的差異基因整合，常規(guī)的思路是先進(jìn)行樣本整合，然后去除批次效應(yīng)，最后進(jìn)行差異分析。閱讀相關(guān)文獻(xiàn)也有很多文章用了R包—RobustRankAggreg：對(duì)每個(gè)數(shù)據(jù)集進(jìn)行獨(dú)立分析，然后RRA整合DEG，拿到多個(gè)數(shù)據(jù)集共有的DEG。

穩(wěn)健排序整合（?Robust?rankaggregation，RRA）法是一種利用概率模型整合排序列表的方法，這個(gè)RobustRankAggreg包超級(jí)簡(jiǎn)單，RRA算法中最核心的為aggregateRanks函數(shù)，aggregateRanks函數(shù)其實(shí)就是對(duì)多個(gè)排好序的基因集，進(jìn)行求交集的同時(shí)還考慮一下它們的排序情況。總體上來說，就是挑選那些在多個(gè)數(shù)據(jù)集都表現(xiàn)差異的基因，并且每次差異都排名靠前的那些。

結(jié)合R包RobustRankAggreg，將多個(gè)GSE數(shù)據(jù)集差異表達(dá)基因（按logFC值排序）并為一個(gè)list（正序倒序各一個(gè)list），然后獲得所有差異基因在多個(gè)GSE數(shù)據(jù)集中logFC矩陣，經(jīng)過預(yù)先設(shè)置的篩選閾值，篩選共同上調(diào)和下調(diào)基因，得到在多個(gè)數(shù)據(jù)集中共同的上下調(diào)基因，并利用熱圖可視化上下調(diào)top10共有差異基因。

使用方法：

Rscript??RRA.R??-files=??-padj=??-logfc=

參數(shù)說明：

USAGE:

RRA.R??-files=-padj=-logfc=

PARAMETERS:

-files\tThe?results?name?of?differentially?expressed?genes?were?obtained?by?limma.

-padj?the?DEG?Threshold?padj,Default?value?0.05,string.

-logfc?the?DEG?Threshold?logFC,Default?value?1,string.

操作步驟：

1、打開命令行界面，輸入“Rscript??RRA.R”調(diào)閱幫助文檔，確定該程序所需的輸入文件。

2、用戶根據(jù)幫助文檔中的參數(shù)說明內(nèi)容，對(duì)參數(shù)進(jìn)行設(shè)置。這里，必須輸入參數(shù)有3個(gè)，是-?files，表示使用limma法獲得的各個(gè)GSE數(shù)據(jù)集差異基因結(jié)果名稱，例'GSE7476.txt,GSE13507.txt,GSE37815.txt,GSE65635.txt'；-padj?共有差異基因篩選閾值，建議閾值為0.05，可根據(jù)需要調(diào)整；-logfc?共有差異基因篩選閾值，建議閾值為1，可根據(jù)需要調(diào)整。

3、完成參數(shù)提交后，按下回車鍵，整個(gè)程序即正式開始進(jìn)入執(zhí)行。每步執(zhí)行內(nèi)容都會(huì)給出提示。程序執(zhí)行完畢后，界面會(huì)顯示”Program?execution?is?completed<span data-raw-text="" "="" data-textnode-index-1661241119773="17" data-index-1661241119773="1118" class="character" style="margin: 0px; padding: 0px;">"結(jié)束語。

流程圖：

結(jié)果展示：

1.所有的共有上調(diào)基因結(jié)果Gene：基因名稱；logFC：差異倍數(shù)，P.Value：為p值，adj.P.Val：矯正p值

2.共有上調(diào)基因根據(jù)軟件設(shè)置閾值篩選得到的共有上調(diào)顯著差異基因，Gene：基因名稱；logFC：差異倍數(shù)，P.Value：為差異分析p值，adj.P.Val：差異分析矯正p值

3.所有的共有下調(diào)基因結(jié)果Gene：基因名稱；logFC：差異倍數(shù)，P.Value：為p值，adj.P.Val：矯正p值

4.共有下調(diào)基因根據(jù)軟件設(shè)置閾值篩選得到的共有下調(diào)顯著差異基因，Gene：基因名稱；logFC：差異倍數(shù)，P.Value：為差異分析p值，adj.P.Val：差異分析矯正p值

5.按照上調(diào)基因和下調(diào)基因的差異倍數(shù)排序，差異基因top10熱圖圖，依次代表輸入的GEO數(shù)據(jù)集

特別說明：本代碼經(jīng)申請(qǐng)軟件著作權(quán)，僅轉(zhuǎn)讓使用權(quán)，不轉(zhuǎn)讓所有權(quán)

如需代碼及示例數(shù)據(jù)等文件，請(qǐng)掃碼聊天框回復(fù) “B40”領(lǐng)?。?

寫在文末：

如果您近期想做生信方面的文章而苦于沒有思路，或者不知道如何來入手生信分析，或者兌具體的某一個(gè)圖有作圖需求，都可以掃碼咨詢小云，我們有專業(yè)的技術(shù)團(tuán)隊(duì)，生信熱點(diǎn)思路設(shè)計(jì)、生信分析、熱點(diǎn)方向生信挖掘等，如有需要，可掃碼下方二維碼了解詳情：