单基因的肿瘤细胞系表达怎么看？CCLE告诉你

会R语言，当然可以省掉这笔巨款，而且可以DIY，乐趣无穷

首先去CCLE官网下载数据，目前网页更新了，功能也多了 比如TP53，访问这个网址TP53 DepMap Gene Summary就行，在Characterization里Expression 21Q2 Public右边有个下载标志，基因单位是Log2(TPM+1)，很科学

CCLE2021年的更新了很多,比以前好看多了,也科学多了啊…

下载后的数据默认命名是： [TP53 Expression 21Q2 Public.csv`] (https://depmap.org/portal/partials/entity_summary/download?entity_id=38037&dep_enum_name=expression&size_biom_enum_name=none&color=none)

不过这里最大的问题就是国内访问的速度真的是很随机啊,想快有时候根本快不了,如果电脑一直打不开,就用手机打开再传到电脑上吧,当然你也可以去hiplot.com.cn上去下载数据,虽然不是最新的,然而至少网速很快,但是需要二次处理一下数据

首先把数据读进R里面

library(readr)
TP53_Expression_21Q2_Public <- read_csv("~/Desktop/TP53 Expression 21Q2 Public.csv")

## Rows: 1378 Columns: 6

## ─ Column specification ────────────────────────────
## Delimiter: ","
## chr (5): Depmap ID, Cell Line Name, Primary Disease, Lineage, Lineage Subtype
## dbl (1): Expression 21Q2 Public

## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

可以看到表格里很多有用信息，包括基因表达量、细胞系名、原发病、器官和亚型，这样我们不用二次处理了,可以跑代码了

• 第一步，画个泛癌的boxplot，可以用ggplot2，也可以用ggpubr的ggboxplot函数，但是最好还是ggplot2，可以按中位数排序，标上均数标准差，还可以标一下所有数值的均值

library(ggplot2)
library(ggpubr)
ggplot(TP53_Expression_21Q2_Public, 
       aes(x = reorder(`Primary Disease`,`Expression 21Q2 Public`, FUN = median),  #按中位数自动排序
           y =`Expression 21Q2 Public`,color=`Primary Disease`)) + #y也可以是Lineage
    geom_boxplot()+ #添加boxplot
    geom_point() + #添加点
    theme_classic(base_size = 12)+ #主题和字体大小
    rotate_x_text(45)+ #X轴45度倾斜一下
    theme(legend.position="none")+ #不需要显示标签
    xlab(NULL)+ylab("TP53 expression \nLog2(TPM+1)")+ #改下坐标名称
    stat_summary(fun.data = 'mean_sd', geom = "errorbar", width = 0.5,position = position_dodge(0.9))+ #自动计算均数标准差，加个误差棒
    geom_hline(yintercept = mean(TP53_Expression_21Q2_Public$`Expression 21Q2 Public`), lty = 2)

#自动计算均值，标个虚线

当然也可以统计一下差异，再加一句+stat_compare_means(method = "anova")就行。

• 第二步，提取单个癌症的数据画个棒棒糖图，可以用ggplot2，也可以用ggpubr的ggdotchart画图，不过最好还是ggplot2

• 比如，你只想提取肾癌的数据,可以用这个公式,由于是文字,需要加引号,如果是数字,就不需要引号

data<-TP53_Expression_21Q2_Public[TP53_Expression_21Q2_Public$`Primary Disease` == 'Kidney Cancer',]

我是这样设计图片的，以点的大小代表基因表达量，按颜色表达程度，颜色从蓝到红，可以从大到小排序，也可以从小到大排列，然后用均数隔开

ggplot(data, aes(x=reorder(`Cell Line Name`,`Expression 21Q2 Public`), y=`Expression 21Q2 Public`)) + 
    geom_point(aes(size=`Expression 21Q2 Public`,color=`Expression 21Q2 Public`),stat='identity') +scale_color_continuous(low='blue' ,high='red') +
    geom_segment(aes(y = mean(`Expression 21Q2 Public`), 
                     x = `Cell Line Name`, 
                     yend = `Expression 21Q2 Public`, 
                     xend = `Cell Line Name`), 
                 color = "black") +
    theme_classic(base_size = 12) + 
    coord_flip() + 
    xlab(NULL)+ylab("TP53 expression")+
    geom_hline(yintercept = mean(data$`Expression 21Q2 Public`), lty = 2)

从小到大再来一次，reorder里加个-就行

ggplot(data, aes(x=reorder(`Cell Line Name`,-`Expression 21Q2 Public`), y=`Expression 21Q2 Public`)) + 
    geom_point(aes(size=`Expression 21Q2 Public`,color=`Expression 21Q2 Public`),stat='identity') +scale_color_continuous(low='blue' ,high='red') +
    geom_segment(aes(y = mean(`Expression 21Q2 Public`), 
                     x = `Cell Line Name`, 
                     yend = `Expression 21Q2 Public`, 
                     xend = `Cell Line Name`), 
                 color = "black") +
    theme_classic(base_size = 12) + 
    coord_flip() + 
    xlab(NULL)+ylab("TP53 expression")+
    geom_hline(yintercept = mean(data$`Expression 21Q2 Public`), lty = 2)

不要钱的，不香吗？