之前看到TMB还以为在骂人呢。后来知道这是一个随着肿瘤免疫火起来的新名词。
定义: 肿瘤基因组每个编码区域的非同义突变的总数。
好吧,那就需要知道什么是非同义突变了。
不导致氨基酸改变的核苷酸变异我们称为同义突变,反之则称为非同义突变
这个应该是可以理解到的,因为密码子的简并性,有的点突变虽然发生,但并没有改变密码子所编码的氨基酸,突变了个寂寞。
TMB的等级划分
maf文件读进R语言后,一个函数即可计算,还出了个图呢。
我用的是卵巢癌的数据。随便拿哪个maf都行。
x第三列就是TMB值了,可以用四分位数看看tmb值的分布情况:
图的意思:
横坐标没写,就是TMB排序后的样本,纵坐标是log后的TMB值,也就是x表格里的第四列。默认取log,是为了画图直观。如果你不想取log,那就设置一下参数:
齐活啦!感谢maftools!
箱线图(Boxplot)也称箱须图(Box-whisker Plot),是利用数据中的五个统计量:最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。它也可以粗略地看出数据是否具有有对称性,分布的离散程度等信息;特别适用于对几个样本的比较。 注:四分位数(Quartile),即统计学中,把所有数值由小到大排列并分成四等份,处于三个分割点位置的数值就是四分位数。 第一四分位数 (Q1),又称“较小四分位数”,等于该样本中所有数值由小到大排列后第25%的数字。 第二四分位数 (Q2),又称“中位数”,等于该样本中所有数值由小到大排列后第50%的数字。 第三四分位数 (Q3),又称“较大四分位数”,等于该样本中所有数值由小到大排列后第75%的数字。 第三四分位数与第一四分位数的差距又称四分位距(InterQuartile Range,IQR)。 R语言中计算方法: quantile函数直接计算四分位: 例如:data = c(1,2,3,4,5,6.2,7,8,9,10) quantile(data) #其结果如下 0% 25% 50% 75% 100% 1.00 3.25 5.60 7.75 10.00 其中0%:最小值;25%:第一四分位数Q1;50%:中位数;75%:第三四分位数;100%:最大值。 其计算方法为: 1. 排序,从小到大排列data; 2. 计算分位数的位置;pos = 1+ (n-1)*p,n为数据的总个数,p为0-1之间的值 3. 给出分位数 注意:另一种分位数的计算方法为:其他与前面的一致。但是分位数位置的计算采用:pos = (n+1)*p,n为数据的总个数,p为0-1之间的值。 四分位数的计算方法没有一个统计的标准,如果对此计算有要求的,需要注意函数的具体算法。 另外,boxplot中存在异常值,其规定标准如下: 当数据中的值大于或小于箱体的四分位距IQR的1.5倍时,认定为异常值。 就是说当某值大于(Q3+1.5*IQR)或小于(Q1-1.5*IQR)时,处理时会认定为异常值。sum(向量名) :求和
max(向量名) :返回向量最大值
min(向量名) :返回向量最小值
range(向量名) :返回向量中的上界和下界
mean(向量名) :返回向量平均值
var(向量名) :返回向量的方差
sd(向量名) :返回向量的标准差
prod(向量名) :向量中所有值的乘积
median(向量名) :求中位数
quantile(向量名) :求分位数, quantile(x,c(0.4,0.5,0.8) 求出向量x的四分位,五分位和八分位值。
abs(向量名) :返回绝对值
sqrt(向量名) :计算平方根
log(向量名/值,base=底数值) :取对数
exp(向量名) :计算向量中每个元素的指数
sin(向量或值) :正弦三角函数
cos(向量或值) :余弦三角函数
ceiling(向量名) :向上取整
floor(向量名) :向下取整
trunc(向量名) :舍去小数,取整
round(向量名) :四舍六入五留双(五留双含义整数部分为偶数留整数,奇数部分进一,例如4.5留4,5.5留6)
round(向量名,digits=数值x): round函数下保留x位小数,digits指小数点后位数
sigif(向量,digits=数值x) :截取数据,digits指有效数字的位数
下标从1开始
which.max(向量名) :返回最大元素的索引值
which.min(向量名):返回最小元素的索引值
which(t>5):返回元素值大于5的索引位置
t[which(t>5)]:返回元素值大于5的元素位置上的值