R语言怎么在metadata中添加基因表达数据
发表于:2026-11-03 作者:千家信息网编辑
千家信息网最后更新 2026年11月03日,这篇"R语言怎么在metadata中添加基因表达数据"文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一
千家信息网最后更新 2026年11月03日R语言怎么在metadata中添加基因表达数据
这篇"R语言怎么在metadata中添加基因表达数据"文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇"R语言怎么在metadata中添加基因表达数据"文章吧。
merge_metadata_genexpdata.r 在metadata中添加基因表达数据
使用说明:
metadata添加基因表达结果。 基因表达文件行为不同基因,列为不同样本, 只要是列为不同样本的文件都可以用这个脚本合并到metadata中;
$Rscript $scriptdir/merge_metadata_genexpdata.r -husage: /share/nas1/huangls/test/TCGA_immu/scripts/merge_metadata_genexpdata.r [-h] -m metadata -g expset -b by [--log2] [-o outdir] [-p prefix]merge metadata and gene expression:optional arguments: -h, --help show this help message and exit -m metadata, --metadata metadata input metadata file path with suvival time [required] -g expset, --expset expset input gene expression set file [required] -b by, --by by input sample ID column name in metadata [required] --log2 whether do log2 transfrom for expression data [optional, default: False] -o outdir, --outdir outdir output file directory [default cwd] -p prefix, --prefix prefix out file name prefix [default cox]
参数说明:
-m 指定metadata文件:
| barcode | patient | sample | shortLetterCode | definition | sample_submitter_id | sample_type_id | sample_id | sample_type |
| TCGA-B7-A5TK-01A-12R-A36D-31 | TCGA-B7-A5TK | TCGA-B7-A5TK-01A | TP | Primary solid Tumor | TCGA-B7-A5TK-01A | 1 | 58937d2c-b4c3-4992-a95c-d0d1fa73f1a9 | Primary Tumor |
| TCGA-BR-7959-01A-11R-2343-13 | TCGA-BR-7959 | TCGA-BR-7959-01A | TP | Primary solid Tumor | TCGA-BR-7959-01A | 1 | c8fc5fb2-ded2-48af-a87d-36c367a3330d | Primary Tumor |
| TCGA-IN-8462-01A-11R-2343-13 | TCGA-IN-8462 | TCGA-IN-8462-01A | TP | Primary solid Tumor | TCGA-IN-8462-01A | 1 | 26509d1e-253b-463c-8654-589929889fbe | Primary Tumor |
| TCGA-BR-A4CR-01A-11R-A24K-31 | TCGA-BR-A4CR | TCGA-BR-A4CR-01A | TP | Primary solid Tumor | TCGA-BR-A4CR-01A | 1 | 76165733-85ca-47d0-a82a-f64fa9b1b834 | Primary Tumor |
| TCGA-CG-4443-01A-01R-1157-13 | TCGA-CG-4443 | TCGA-CG-4443-01A | TP | Primary solid Tumor | TCGA-CG-4443-01A | 1 | f4fb736a-42c9-4367-a327-d0d1c4cba359 | Primary Tumor |
| TCGA-KB-A93J-01A-11R-A39E-31 | TCGA-KB-A93J | TCGA-KB-A93J-01A | TP | Primary solid Tumor | TCGA-KB-A93J-01A | 1 | 888711a8-8ffd-49bb-aa85-7455c07f1ad5 | Primary Tumor |
| TCGA-BR-4371-01A-01R-1157-13 | TCGA-BR-4371 | TCGA-BR-4371-01A | TP | Primary solid Tumor | TCGA-BR-4371-01A | 1 | 95d6e839-a21b-4266-b7f8-e47fab262af3 | Primary Tumor |
| TCGA-IN-A6RO-01A-12R-A33Y-31 | TCGA-IN-A6RO | TCGA-IN-A6RO-01A | TP | Primary solid Tumor | TCGA-IN-A6RO-01A | 1 | c6e17043-a145-4cc3-b889-4f499b17dbf3 | Primary Tumor |
| TCGA-HU-A4H3-01A-21R-A251-31 | TCGA-HU-A4H3 | TCGA-HU-A4H3-01A | TP | Primary solid Tumor | TCGA-HU-A4H3-01A | 1 | cd33e854-1bdf-42e0-83e7-256c723c5b55 | Primary Tumor |
| TCGA-RD-A8MV-01A-11R-A36D-31 | TCGA-RD-A8MV | TCGA-RD-A8MV-01A | TP | Primary solid Tumor | TCGA-RD-A8MV-01A | 1 | f7a464d1-9939-4ab8-a03b-f2962e618817 | Primary Tumor |
| TCGA-VQ-A91X-01A-12R-A414-31 | TCGA-VQ-A91X | TCGA-VQ-A91X-01A | TP | Primary solid Tumor | TCGA-VQ-A91X-01A | 1 | 288b0130-6744-495e-bd99-da6f6b5f6953 | Primary Tumor |
| TCGA-D7-8575-01A-11R-2343-13 | TCGA-D7-8575 | TCGA-D7-8575-01A | TP | Primary solid Tumor | TCGA-D7-8575-01A | 1 | 71efd38a-03a9-488d-bde2-18b17559c775 | Primary Tumor |
| TCGA-BR-4257-01A-01R-1131-13 | TCGA-BR-4257 | TCGA-BR-4257-01A | TP | Primary solid Tumor | TCGA-BR-4257-01A | 1 | 97b44b05-97eb-486c-94db-42838831de0b | Primary Tumor |
| TCGA-BR-8485-01A-11R-2402-13 | TCGA-BR-8485 | TCGA-BR-8485-01A | TP | Primary solid Tumor | TCGA-BR-8485-01A | 1 | 2f1460ea-827b-4c51-86a5-2d85771888bb | Primary Tumor |
| TCGA-BR-4370-01A-01R-1157-13 | TCGA-BR-4370 | TCGA-BR-4370-01A | TP | Primary solid Tumor | TCGA-BR-4370-01A | 1 | cfb7901b-e4e1-42fe-802d-dcd34f8c4912 | Primary Tumor |
| TCGA-D7-A748-01A-12R-A32D-31 | TCGA-D7-A748 | TCGA-D7-A748-01A | TP | Primary solid Tumor | TCGA-D7-A748-01A | 1 | 308bca2d-6e27-4da9-9a07-b0eb88437953 | Primary Tumor |
| TCGA-VQ-A91Z-01A-11R-A414-31 | TCGA-VQ-A91Z | TCGA-VQ-A91Z-01A | TP | Primary solid Tumor | TCGA-VQ-A91Z-01A | 1 | ec6ed61a-1d7e-4057-9ac2-dd1ed2accfb0 | Primary Tumor |
| TCGA-RD-A7C1-01A-11R-A32D-31 | TCGA-RD-A7C1 | TCGA-RD-A7C1-01A | TP | Primary solid Tumor | TCGA-RD-A7C1-01A | 1 | b905ac72-aae1-4e6e-b560-46b9f4f9ef5f | Primary Tumor |
-g 指定要合并的 文件:
| cell_type | TCGA-B7-A5TK-01A-12R-A36D-31 | TCGA-BR-7959-01A-11R-2343-13 | TCGA-IN-8462-01A-11R-2343-13 | TCGA-BR-A4CR-01A-11R-A24K-31 | TCGA-CG-4443-01A-01R-1157-13 | TCGA-KB-A93J-01A-11R-A39E-31 | TCGA-BR-4371-01A-01R-1157-13 | TCGA-IN-A6RO-01A-12R-A33Y-31 | TCGA-HU-A4H3-01A-21R-A251-31 | TCGA-RD-A8MV-01A-11R-A36D-31 |
| B cells naive | 0.041806 | 0.119034 | 0.275451 | 0.243789 | 0.118753 | 0.097526 | 0.087438 | 0.110736 | 0.091899 | 0.114157 |
| B cells memory | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| Plasma cells | 0.005778 | 0.009967 | 0.04908 | 0 | 0 | 0.009401 | 0.006596 | 0.012819 | 0.004326 | 0.001989 |
| T cells CD8 | 0.399813 | 0.081383 | 0.052203 | 0.032568 | 0 | 0.017233 | 0.042146 | 0.074234 | 0.192331 | 0.10848 |
| T cells CD4 naive | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| T cells CD4 memory resting | 0 | 0.163605 | 0.158559 | 0.205805 | 0.161354 | 0.197031 | 0.445467 | 0.207407 | 0.095721 | 0.173691 |
| T cells CD4 memory activated | 0.222587 | 0.056429 | 0.022786 | 0.026488 | 0.008663 | 0.049117 | 0.016507 | 0.062309 | 0.132577 | 0.077914 |
| T cells follicular helper | 0.006564 | 0 | 0 | 0.007444 | 0 | 0.01711 | 0.009081 | 0.060454 | 0.040637 | 0.056979 |
| T cells regulatory (Tregs) | 0 | 0.034066 | 0.08263 | 0.040602 | 0.001932 | 0.038297 | 0 | 0.052859 | 0.052045 | 0.045091 |
| T cells gamma delta | 0 | 0 | 0 | 0 | 0 | 0.008108 | 0 | 0.00487 | 0 | 0 |
| NK cells resting | 0 | 0.034875 | 0 | 0.02808 | 0.031821 | 0 | 0.018045 | 0.006281 | 0.023437 | 0.029263 |
| NK cells activated | 0.00696 | 0 | 0.029651 | 0 | 0 | 0.047286 | 0 | 0.004472 | 0.007489 | 0 |
| Monocytes | 0.005411 | 0.013788 | 0.007133 | 0 | 0.02435 | 0.002008 | 0.013182 | 0 | 0 | 0.00139 |
| Macrophages M0 | 0.014514 | 0.090352 | 0.025032 | 0.104725 | 0.16705 | 0.224299 | 0.078476 | 0.117533 | 0.068365 | 0.109002 |
| Macrophages M1 | 0.135967 | 0.103223 | 0.100643 | 0.012271 | 0 | 0.080839 | 0.078876 | 0.122465 | 0.063667 | 0.103607 |
| Macrophages M2 | 0.089259 | 0.159524 | 0.044703 | 0.137346 | 0.428193 | 0.156385 | 0.101052 | 0.10287 | 0.071646 | 0.077649 |
| Dendritic cells resting | 0.014316 | 0.019249 | 0.059299 | 0.006178 | 0 | 0.022708 | 0.043902 | 0 | 0 | 0.004566 |
使用举例:
将免疫浸润的结果合并到metadata中方便后续做比较分析:
Rscript $scriptdir/merge_metadata_genexpdata.r -m ../08.Nomogram/nomogram_metadata.tsv -g ../03.TIME/immu/timer.res.tsv \ -b barcode -p metadata_risk_score_timer
以上就是关于"R语言怎么在metadata中添加基因表达数据"这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注行业资讯频道。
基因
内容
数据
文件
语言
不同
文章
样本
知识
篇文章
结果
中方
价值
使用说明
参数
大部分
就是
更多
步骤
知识点
数据库的安全要保护哪些东西
数据库安全各自的含义是什么
生产安全数据库录入
数据库的安全性及管理
数据库安全策略包含哪些
海淀数据库安全审计系统
建立农村房屋安全信息数据库
易用的数据库客户端支持安全管理
连接数据库失败ssl安全错误
数据库的锁怎样保障安全
科技互联网龙头
深圳科技互联网
北京互联网科技
青岛互联网科技公司
天下捷融互联网科技
互联网金融科技委员会
重庆科技学院互联网
联恩商钥互联网科技有限公司
华脉科技工业互联网产品
广西拼得多互联网科技有限公司
海南科技产业互联网平台
互联网和高科技公司
互联网实体化科技化
栖莱科技互联网股份有限公司
南博望互联网科技有限公司
云南省自由互联网科技有限公司
中天科技中国工业互联网
互联网科技资金流入
杭州融税互联网科技有限公司
互联网科技创业计划的风险分析
广州百单互联网科技有限公司
重庆互联网络科技
万易互联网科技有限公司
唐信互联网科技
互联网养老 桔豆科技
深圳互联网科技怎么样
佳云科技和互联网广告
互联网保险科技创业
互联网科技职业技能培训学校
亚光科技低轨卫星互联网