【R语言】使用DESeq2对微生物组进行差异分析

不是伍壹2025-03-18 15:50

代码展示：

bash 复制代码

asv <- read.delim(paste0(input,'_0.5wen.10050.asv_table.txt'), row.names = 1, sep = '\t', stringsAsFactors = FALSE, check.names = FALSE)
group <- read.delim(paste0('group2_',input,'.txt'),row.names = 1,sep = '\t') 

asv <- asv+1
#将变量转换为因子型
group$group1 <- as.factor(group$group1)

dds <- DESeqDataSetFromMatrix(countData = asv,
                              colData = group,
                              design = ~group1)#构建 DESeqDataSet 对象
dim(dds)

##过滤
#dds <- dds[rowSums(counts(dds)) > 1,]

## 差异比较
#dds <- DESeq(dds) #差异分析dds <- DESeq(dds) #asv差异分析

dep <- DESeq(dds)
res <- results(dep)
suppressMessages(dds)

diff = res
diff <- na.omit(diff)  ## 去除缺失值NA
dim(diff)
#此时，diff就是差异分析的总分析结果，我们可以先将其导出保存
write.csv(diff,paste0(input,'_all_diff.csv'))

##进一步筛选差异ASV，使用Padj值和log2FC进行筛选
#Padj是P值矫正之后的数值，一般选取小于等于0.05（显著差异）的基因；同时log2FC是基因表达量的差异倍数。
#例如log2FC为1，证明这个基因在两种不同处理中的表达量相差了一倍，通常以大于1或小于-1为标准，大于1的为上调表达，少于-1的为下调表达。
foldChange = 1
padj = 0.05

diffsig <- diff[(diff$pvalue < padj & abs(diff$log2FoldChange) > foldChange),]
dim(diffsig)

write.csv(diffsig, paste0(input,'_all_diff.sig.csv'))

参考：

1\][DESeq2筛选差异OTU及绘制火山图](https://blog.csdn.net/qq_42458954/article/details/104078845) \[2\][RStudio \| 利用DESeq2包进行差异表达分析](https://zhuanlan.zhihu.com/p/521515842) \[3\][NC：基于38组数据评估14种微生物组差异分析方法---结果差异很大](https://blog.csdn.net/woodcorpse/article/details/125157755)