So easy！搞定数据质控，这三张图学会就够了

admin 潮流趋势 2025-03-15 136 265

学会这3张图，搞定数据质控Soeasy

嗨，小伙伴们大家好~！上期我们讲到数据质控的重要性，即在表达差异分析之前需查验数据质量是否合格，如下面3张图所示，热图、PCA图和聚类树的结果均表示实验组和对照组分开的比较好，数据质量可。那么这期我们就接着这个话题，来看看如何绘制这3张图，搞定数据质控问题Soeasy！

▌加载示例数据

加载基因表达谱和样本信息文件，geneexpres是已完成基因注释和标准化处理的基因表达谱，sample_info是样本信息，其中包含1个干预组（AceP）和1个对照组（NC），每组包含3个样本（AceP1~3；NC1~3），每个样本是一个批次（AceP1/NC1；AceP1/NC1；AceP1/NC1），添加batch信息。

library(tidyverse)head(gene_exp_Ace)(sample_Ace)AceP_1AceP_1AcePAceP_3AceP_3AcePNC_2NC_2Control样本添加batch信息sample_Ace-sample_Ace%%mutate(batch=paste0("batch",c(1,2,3,1,2,3)))sample_AceAceP_1AceP_1AcePbatch1AceP_3AceP_3AcePbatch3NC_2NC_2Controlbatch2

▌数据质量评价

第一张图：PCA图，使用fvizpcaind函数。PCA直观可以看到干预组和对照组完全没有分开，样本是按照3个批次来聚类的，数据存在很明显的批次效应。

按分组标注fviz_pca_ind(expr_pca,label="none",habillage=pca_data$group_res,按批次标注fviz_pca_ind(expr_pca,label="none",habillage=pca_data$batch,第二张图：聚类树图按batch聚类cluster_data-t(gene_exp_Ace)rownames(cluster_data)=sample_Ace$batchhc=hclust(dist(cluster_data))plot(hc)

第三张图：聚类热图，pheatmap函数实现。聚类热图也是同样的结果，直观可见干预组和对照组的样本是按照3个批次来聚类的。

列注释信息annotation_(sample_Ace$group_res,sample_Ace$batch)rownames(annotation_col)-colnames(gene_exp_Ace)去除批次效应ComBatFound3batchesStandardizingDataacrossgenesFindingparametricadjustments第一张图：PCA图fviz_pca_ind函数expr_pca-t(exprAce_batch)pca_data-cbind(expr_pca,sample_Ace)expr_pca-prcomp(pca_data[,1:15061],scale=TRUE)expr_pcalibrary(factoextra)按分组标注addEllipses=TRUE,=0.95)按批次标注addEllipses=TRUE,=0.95)按样本聚类cluster_data-t(exprAce_batch)hc=hclust(dist(cluster_data))plot(hc)第三张图：聚类热图绘制热图library(pheatmap)pheatmap(exprAce_batch,scale="row",show_colnames=F,show_rownames=F,border_color=NA,annotation_col=annotation_col,annotation_names_col=F)