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：對每個數(shù)據(jù)集進(jìn)行獨(dú)立分析，然后RRA整合DEG，拿到多個數(shù)據(jù)集共有的DEG

插播：文末查看代碼獲取方式哈

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RobustRankAggreg包超級簡單，RRA算法中最核心的為aggregateRanks函數(shù)，aggregateRanks函數(shù)其實(shí)就是對多個排好序的基因集，進(jìn)行求交集的同時還考慮一下它們的排序情況?？傮w上來說，就是挑選那些在多個數(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。

先來看看如何獲取及安裝R包

方法一：根據(jù)操作系統(tǒng)，下載對應(yīng)的壓縮包，直接在R中安裝

CRAN - Package RobustRankAggreg (r-project.org)

方法二：使用代碼直接安裝

前期準(zhǔn)備

你可以很輕松的在GEO中獲取這幾個數(shù)據(jù)集：GSE7476, GSE13507, GSE37815 and GSE65635 ，然后得到每個數(shù)據(jù)集的差異表達(dá)基因結(jié)果

差異結(jié)果示例圖

RobustRankAggreg包整合數(shù)據(jù)

現(xiàn)在可以使用RobustRankAggreg包對這4個數(shù)據(jù)集的差異分析結(jié)果進(jìn)行整合啦。

當(dāng)然，不僅僅是mRNA的表達(dá)芯片，其它，比如circRNA芯片也是如此?

來看下具體的操作流程?

Step1 四個GSE數(shù)據(jù)集差異表達(dá)基因（按logFC值排序）并為一個list，正序倒序各一個list?

Step 2所有差異基因在四個GSE數(shù)據(jù)集中l(wèi)ogFC矩陣

Step 3 篩選共同上調(diào)基因，得到共同的上調(diào)差異表達(dá)基因

Step 4篩選共同下調(diào)基因，得到共同的下調(diào)差異表達(dá)基因

Step5 把top10的上調(diào)基因和下調(diào)基因的差異倍數(shù)進(jìn)行熱圖可視化 logFC.pdf

有了多數(shù)據(jù)集共有差異基因結(jié)果，后面可以進(jìn)行比如富集分析、蛋白互作分析、TF調(diào)控網(wǎng)絡(luò)預(yù)測、藥物靶點(diǎn)預(yù)測等等各種各樣的分析，可以關(guān)注我們的宮主好eryunjian2014持續(xù)學(xué)習(xí)。如果有個性化分析要求不知道如何實(shí)現(xiàn)，可以聯(lián)系小編定制自己的分析。

有需要代碼的筒子，可以關(guān)注宮主好回復(fù)“26PC”獲取