ESTIMATE的R包腳本怎么寫

這篇“ESTIMATE的R包腳本怎么寫”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“ESTIMATE的R包腳本怎么寫”文章吧。

xCell包安裝

options(stringsAsFactors = F)
Sys.setlocale("LC_ALL","English")
devtools::install_github('dviraran/xCell')
library(xCell)

##利用xCell分析RNA-seq數據

result <- xCellAnalysis(exprSet,rnaseq=T)
save(result,file = 'Xcell_result')

MCP-counter的R包腳本：

library(devtools)
install_github('ebecht/MCPcounter',ref='master',subdir = 'Source')
library(MCPcounter)
input <- read.table("RNA-seq_data ",sep = "\t",header = TRUE,row.names = 1)

#小編在運行時遇到了github連接的錯誤；設置C:\Windows\System32\drivers\etc\hosts文件；在文件最后面加：“199.232.68.133 raw.githubusercontent.com”

MCPcounter_estimate <- MCPcounter.estimate(input,featuresType = "HUGO_symbols")
heatmap(as.matrix(ExampleEstimates),col=colorRampPalette(c("blue","white","red"))(100))

ESTIMATE的R包腳本：

library(utils)
rforge <- "http://r-forge.r-project.org"
install.packages("estimate", repos=rforge, dependencies=TRUE)
library(estimate)
help(package="estimate")
SCLC_Expr = "C:/Users/lxz/Desktop /sclc_ucologne_2015/data_RNAseq_SCLC_uni_sort_TPM"
filterCommonGenes(input.f=SCLC_Expr,output.f = "SCLC_10412genes.gct",id = "GeneSymbol")
estimateScore(input.ds = "SCLC_10412genes.gct",
              output.ds="SCLC_estimate_score.gct", 
              platform="illumina")

##此步點圖是基于Affymetrix平臺的測序數據
#plotPurity(scores="SCLC_estimate_score.gct", samples="all_samples",platform="Affymetrix")

sclc_scores=read.table("SCLC_estimate_score.gct",skip = 2,header = T)
rownames(sclc_scores)=sclc_scores[,1]
sclc_scores=t(sclc_scores[,3:ncol(sclc_scores)])
write.table(sclc_scores,"Immunity_score",row.names = T,sep = "\t",quote = F)

以上就是關于“ESTIMATE的R包腳本怎么寫”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。