### R code from vignette source 'vignettes/SeqGSEA/inst/doc/SeqGSEA.Rnw' ################################################### ### code chunk number 1: SeqGSEA ################################################### library(SeqGSEA) ################################################### ### code chunk number 2: help (eval = FALSE) ################################################### ## ? SeqGSEA ################################################### ### code chunk number 3: ReadCountSet ################################################### rcounts <- cbind(t(sapply(1:10, function(x) {rnbinom(5, size=10, prob=runif(1))} )), t(sapply(1:10, function(x) {rnbinom(5, size=10, prob=runif(1))} ))) colnames(rcounts) <- c(paste("S", 1:5, sep=""), paste("C", 1:5, sep="")) geneIDs <- c(rep("G1", 4), rep("G2", 6)) exonIDs <- c(paste("E", 1:4, sep=""), paste("E", 1:6, sep="")) RCS <- newReadCountSet(rcounts, exonIDs, geneIDs) RCS ################################################### ### code chunk number 4: RCS_example ################################################### data(RCS_example, package="SeqGSEA") RCS_example ################################################### ### code chunk number 5: geneID ################################################### length(unique(geneID(RCS_example))) ################################################### ### code chunk number 6: exonTestability ################################################### RCS_example <- exonTestability(RCS_example, cutoff = 5) ################################################### ### code chunk number 7: DSanalysis ################################################### RCS_example <- estiExonNBstat(RCS_example) RCS_example <- estiGeneNBstat(RCS_example) head(fData(RCS_example)[, c("exonIDs", "geneIDs", "testable", "NBstat")]) ################################################### ### code chunk number 8: DSperm ################################################### permuteMat <- genpermuteMat(RCS_example, times=20) RCS_example <- DSpermute4GSEA(RCS_example, permuteMat) head(RCS_example@permute_NBstat_gene) ################################################### ### code chunk number 9: DSscores ################################################### DSscore.normFac <- normFactor(RCS_example@permute_NBstat_gene) DSscore <- scoreNormalization(RCS_example@featureData_gene$NBstat, DSscore.normFac) DSscore.perm <- scoreNormalization(RCS_example@permute_NBstat_gene, DSscore.normFac) DSscore[1:5] DSscore.perm[1:5,1:10] ################################################### ### code chunk number 10: DSpval ################################################### RCS_example <- DSpermutePval(RCS_example, permuteMat) head(DSresultGeneTable(RCS_example)) ################################################### ### code chunk number 11: genecount ################################################### geneCounts <- getGeneCount(RCS_example) dim(geneCounts) # 182 20 head(geneCounts) ################################################### ### code chunk number 12: DEseq ################################################### label <- label(RCS_example) DEG <- runDESeq(geneCounts, label) ################################################### ### code chunk number 13: DSNB ################################################### DEGres <- DENBStat4GSEA(DEG) DEGres[1:5, "NBstat"] ################################################### ### code chunk number 14: DSNBpermut ################################################### DEpermNBstat <- DENBStatPermut4GSEA(DEG, permuteMat) DEpermNBstat[1:5, 1:10] ################################################### ### code chunk number 15: DEscores ################################################### DEscore.normFac <- normFactor(DEpermNBstat) DEscore <- scoreNormalization(DEGres$NBstat, DEscore.normFac) DEscore.perm <- scoreNormalization(DEpermNBstat, DEscore.normFac) DEscore[1:5] DEscore.perm[1:5, 1:10] ################################################### ### code chunk number 16: DEpval ################################################### DEGres <- DEpermutePval(DEGres, DEpermNBstat) DEGres[1:6, c("NBstat", "perm.pval", "perm.padj")] ################################################### ### code chunk number 17: DEpval2 ################################################### DEGres <- DENBTest(DEG) DEGres <- DEpermutePval(DEGres, DEpermNBstat) DEGres[1:6, c("NBstat", "pval", "padj", "perm.pval", "perm.padj")] ################################################### ### code chunk number 18: genescore_l ################################################### gene.score <- geneScore(DEscore, DSscore, method="linear", DEweight = 0.3) gene.score.perm <- genePermuteScore(DEscore.perm, DSscore.perm, method="linear", DEweight=0.3) plotGeneScore(gene.score, gene.score.perm) ################################################### ### code chunk number 19: genescore_r ################################################### gene.score <- geneScore(DEscore, DSscore, method="rank", DEweight = 0.3) gene.score.perm <- genePermuteScore(DEscore.perm, DSscore.perm, method="rank", DEweight=0.3) plotGeneScore(gene.score, gene.score.perm) ################################################### ### code chunk number 20: genescore_gr ################################################### combine <- rankCombine(DEscore, DSscore, DEscore.perm, DSscore.perm, DEweight=0.3) gene.score <- combine$geneScore gene.score.perm <- combine$genePermuteScore plotGeneScore(gene.score, gene.score.perm) ################################################### ### code chunk number 21: seqgeneset ################################################### data(GS_example, package="SeqGSEA") GS_example ################################################### ### code chunk number 22: GSEAmain ################################################### GS_example <- GSEnrichAnalyze(GS_example, gene.score, gene.score.perm) topGeneSets(GS_example, 5) ################################################### ### code chunk number 23: plotES ################################################### plotES(GS_example) ################################################### ### code chunk number 24: plotSig ################################################### plotSig(GS_example) ################################################### ### code chunk number 25: plotSigGS ################################################### plotSigGeneSet(GS_example, 9, gene.score) # 9th gene set is the most significant one. ################################################### ### code chunk number 26: wrightSigGS ################################################### writeSigGeneSet(GS_example, 9, gene.score) # 9th gene set is the most significant one. ################################################### ### code chunk number 27: doParallel1 ################################################### library(doParallel) a <- matrix(1:16, 4, 4) b <- t(a) foreach(b=iter(b, by='col'), .combine=cbind) %dopar% (a %*% b) ################################################### ### code chunk number 28: doParallel2 ################################################### library(doParallel) cl <- makeCluster(2) # specify 2 cores to be used in this computing registerDoParallel(cl) getDoParWorkers() # 2 a <- matrix(1:16, 4, 4) b <- t(a) foreach(b=iter(b, by='col'), .combine=cbind) %dopar% (a %*% b) ################################################### ### code chunk number 29: sysfile ################################################### system.file("extscripts", package="SeqGSEA", mustWork=TRUE) ################################################### ### code chunk number 30: Initialization ################################################### rm(list=ls()) # input count data files data.dir <- system.file("extdata", package="SeqGSEA", mustWork=TRUE) case.pattern <- "^SC" # file name starting with "SC" ctrl.pattern <- "^SN" # file name starting with "SN" case.files <- dir(data.dir, pattern=case.pattern, full.names = TRUE) control.files <- dir(data.dir, pattern=ctrl.pattern, full.names = TRUE) # gene set file geneset.file <- system.file("extdata", "gs_symb.txt", package="SeqGSEA", mustWork=TRUE) # output file prefix output.prefix <- "SeqGSEA.test" # setup parallel backend library(doParallel) cl <- makeCluster(2) # specify 2 cores to be used in computing registerDoParallel(cl) # parallel backend registration # setup permutation times perm.times <- 20 # change the number to >= 1000 in your analysis ################################################### ### code chunk number 31: DS_analysis ################################################### # load exon read count data RCS <- loadExonCountData(case.files, control.files) # remove genes with low exprssion RCS <- exonTestability(RCS, cutoff=5) geneTestable <- geneTestability(RCS) RCS <- subsetByGenes(RCS, unique(geneID(RCS))[ geneTestable ]) # get gene IDs, which will be used in initialization of gene set geneIDs <- unique(geneID(RCS)) # calculate DS NB statistics RCS <- estiExonNBstat(RCS) RCS <- estiGeneNBstat(RCS) # calculate DS NB statistics on the permutation data sets permuteMat <- genpermuteMat(RCS, times=perm.times) RCS <- DSpermute4GSEA(RCS, permuteMat) ################################################### ### code chunk number 32: DE_analysis ################################################### # get gene read counts geneCounts <- getGeneCount(RCS) # calculate DE NB statistics label <- label(RCS) DEG <-runDESeq(geneCounts, label) DEGres <- DENBStat4GSEA(DEG) # calculate DE NB statistics on the permutation data sets DEpermNBstat <- DENBStatPermut4GSEA(DEG, permuteMat) # permutation ################################################### ### code chunk number 33: score_int ################################################### # DE score normalization DEscore.normFac <- normFactor(DEpermNBstat) DEscore <- scoreNormalization(DEGres$NBstat, DEscore.normFac) DEscore.perm <- scoreNormalization(DEpermNBstat, DEscore.normFac) # DS score normalization DSscore.normFac <- normFactor(RCS@permute_NBstat_gene) DSscore <- scoreNormalization(RCS@featureData_gene$NBstat, DSscore.normFac) DSscore.perm <- scoreNormalization(RCS@permute_NBstat_gene, DSscore.normFac) # score integration gene.score <- geneScore(DEscore, DSscore, DEweight=0.5) gene.score.perm <- genePermuteScore(DEscore.perm, DSscore.perm, DEweight=0.5) # visilization of scores # NOT run in the example; users to uncomment the following 6 lines to run #plotGeneScore(DEscore, DEscore.perm, pdf=paste(output.prefix,".DEScore.pdf",sep=""), # main="Expression") #plotGeneScore(DSscore, DSscore.perm, pdf=paste(output.prefix,".DSScore.pdf",sep=""), # main="Splicing") #plotGeneScore(gene.score, gene.score.perm, # pdf=paste(output.prefix,".GeneScore.pdf",sep="")) ################################################### ### code chunk number 34: main_gsea ################################################### # load gene set data gene.set <- loadGenesets(geneset.file, geneIDs, geneID.type="ensembl", genesetsize.min = 5, genesetsize.max = 1000) # enrichment analysis gene.set <- GSEnrichAnalyze(gene.set, gene.score, gene.score.perm, weighted.type=1) # format enrichment analysis results GSEAres <- GSEAresultTable(gene.set, TRUE) # output results # NOT run in the example; users to uncomment the following 4 lines to run #write.table(GSEAres, paste(output.prefix,".GSEA.result.txt",sep=""), # quote=FALSE, sep="\t", row.names=FALSE) #plotES(gene.set, pdf=paste(output.prefix,".GSEA.ES.pdf",sep="")) #plotSig(gene.set, pdf=paste(output.prefix,".GSEA.FDR.pdf",sep="")) ################################################### ### code chunk number 35: sessionInfo ################################################### sessionInfo() ################################################### ### code chunk number 36: