[python生物信息学]Python从零开始第五章生物信息学之二、热图及火山图

[python生物信息学]Python从零开始第五章生物信息学之二、热图及火山图

通过上一篇的过程，我们得到了该数据集的差异分析的两个关键参数，
1.差异倍数（foldchange）
2.（差异的P值）
在这一篇中，我们目的是得到满足差异倍数和差异P值得基因，以及同时进行可视化（包括差异分析常见的火山图和热图）。

绘制火山图
（1）第一步制作差异分析结果数据框

1. myarray = np.asarray(pvalue)
   
2. 
   
3. result = pd.DataFrame({'pvalue':myarray,'FoldChange':fold})
   
4. 
   
5. 
   
6. 
   
7. result['log(pvalue)'] = -np.log10(result['pvalue'])

复制代码

（2）第二步制作火山图的准备工作
在这里选定的差异基因标准是I差异倍数的绝对值大于1，II差异分析的P值小于0.05

1. # In[*]
   
2. result['sig'] = 'normal'
   
3. 
   
4. result['size']  =np.abs(result['FoldChange'])/10
   
5. 
   
6. result.loc[(result.FoldChange> 1 )&(result.pvalue < 0.05),'sig'] = 'up'
   
7. result.loc[(result.FoldChange< -1 )&(result.pvalue < 0.05),'sig'] = 'down'

复制代码

（3）第三步绘制火山图

1. # In[*]
   
2. ax = sns.scatterplot(x="FoldChange", y="log(pvalue)",
   
3.                       hue='sig',
   
4.                       hue_order = ('down','normal','up'),
   
5.                       palette=("#377EB8","grey","#E41A1C"),
   
6.                       data=result)
   
7. ax.set_ylabel('-log(pvalue)',fontweight='bold')
   
8. ax.set_xlabel('FoldChange',fontweight='bold')

复制代码

筛选差异基因

1. # In[*]
   
2. fold_cutoff = 1
   
3. pvalue_cutoff = 0.05
   
4. 
   
5. filtered_ids = []
   
6. for i in range(0, number_of_genes):
   
7.     if (abs(fold[i]) >= fold_cutoff) and (pvalue[i] <= pvalue_cutoff):
   
8.         filtered_ids.append(i)
   
9.         
   
10. filtered = data2.ix[filtered_ids,:]
    
11. print("Number of DE genes: ")
    
12. print(len(filtered.index))
    
13. 
    
14. filtered.head()

复制代码

Out[29]:
             WT.GSM130365      ...       KO.GSM130370
100012_at        8.997462      ...          10.026524
100035_at        3.666768      ...           4.807360
100064_f_at     12.212800      ...          10.758890
100065_r_at      9.326879      ...           7.992656
100073_at        9.340741      ...           8.080552

绘制热图

热图（heatmap）是生物学文章里（尤其是RNA-seq相关论文）经常出现的图片。热图的用途一般有两个。以RNA-seq为例，热图可以：1）直观呈现多样本多个基因的全局表达量变化；2）呈现多样本或多基因表达量的聚类关系。热图一般使用颜色（例如红绿的深浅）来展示多个样本多个基因的表达量高低，既直观又美观。同时可以对样本聚类或者对基因聚类。

1. sns.clustermap(filtered, cmap='RdYlGn_r', standard_scale = 0)

复制代码

如图所示：
（1）每一行为一个基因，每一列为一个sample。
（2）绿色代表相对低表达，红色代表相对高表达。
（3）相对接近的样本或者基因会聚类在一起，比如探针名为101695_at的基因在GSM130370相对高表达，而在GSM130366低表达。