R语言BioNERO完成转录组分析的基因调节网络（GRN）推断

使用R包 BioNERO

参考链接

现在假设已经通过转录组数据分析拿到了基因表达矩阵

表达矩阵行是基因列是样本，第一列是geneid

首先加载需要使用到的R包，读取数据

library(tidyverse)
library(BioNERO)

exp.dat<-read_tsv(“wgcna_example_exp.tsv”) %>%
column_to_rownames(“geneid”)
tfs.dat<-read_tsv(“tfs.genes.txt”)

还有一个数据是转录因子的geneid，第一列是基因，第二列是基因属于哪个转录因子家族。

数据过滤

final_exp <- exp_preprocess(
exp.dat,
min_exp = 10,
variance_filter = TRUE,
n = 2000
)
推断调节网络（一致性网络）

grn <- exp2grn(
exp = final_exp,
regulators = tfs.dat$Gene,
nTrees = 10
)

这一步需要的时间比较长，而且需要比较大的内存 （我自己的真实数据3万基因20个样本，12个小时了还没有算完，自己本地电脑占用内存显示到了17G）

三种不同的算法推断调节网络

genie3 <- grn_infer(
final_exp,
method = “genie3”,
regulators = zma.tfs$Gene,
nTrees = 10)

aracne <- grn_infer(final_exp, method = “aracne”, regulators = zma.tfs$Gene)
head(aracne)

clr <- grn_infer(final_exp, method = “clr”, regulators = zma.tfs$Gene)
或者3种方法一块算

grn_list <- grn_combined(final_exp, regulators = zma.tfs$Gene, nTrees = 10)
鉴定hub基因

hubs <- get_hubs_grn(grn)
可视化网络

plot_grn(grn)

图片
欢迎大家关注我的公众号

小明的数据分析笔记本