189 8069 5689
本篇内容介绍了“maftools有什么作用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：主机域名、网页空间、营销软件、网站建设、临清网站维护、网站推广。
maftools是一个R包，发布在bioconductor上，专门用于MAF文件中信息的可视化
首先读取MAF文件，代码如下
> library(maftools)
> maf <- "TCGA.LAML.somatic.maf.gz"
> laml = read.maf(maf = maf)统计样本水平，基因水平的不同突变类型的个数，代码如下
# 样本水平
> getSampleSummary(laml)
# 基因水平
> getGeneSummary(laml)
# 将summary结果输出
> write.mafSummary(maf = laml, basename = 'laml')通过以下代码可以对summary的结果进行可视化
> plotmafSummary(maf = laml)
可视化结果示意如下
第一幅图子图是不同变异类型频数分布柱状图，根据对蛋白编码的影响划分成了Missense_Mutation等7个类型；第二幅子图是不同变异类别的频数分布柱状图，分成了SNP, INS,DEl三种类别；第三幅子图是SNV突变类型的频数分布柱状图，考虑到突变之间的组合和正负链，分成了6种类别；第四幅子图是每个样本中不同变异类型堆积柱状图，对应图一的7种类型；第五幅子图是不同变异类型在每个样本中分布的箱体图，对应图一中的7种类型，第六幅图是突变频率最高的top10个基因上的不同突变类型的堆积柱状图，对应图一的7种类型。
oncoplot是肿瘤研究中常见的可视化方式，通过以下代码可以实现
> oncoplot(maf = laml)
可视化结果示意如下
整张图分成了3个部分，第一部分是中间的热图，每一行代表一个基因，每一列代表一个样本，展示了每个样本不同突变类型的分布，第二部分是右侧的堆积柱状图，表示每个基因上不同突变类型位点的频数分布，第三部分是上方的堆积柱状图，表示每个样本中不同突变类型位点的频数分布。
和oncoplot类似，只展示其中的热图部分，代码如下
> oncostrip(maf = laml)
可视化结果示意如下
统计所有SNV中颠换和转换的数量，并进行可视化，代码如下
> laml.titv = titv(maf = laml, plot = FALSE, useSyn = TRUE)
> plotTiTv(res = laml.titv)可视化结果示意如下
上方的图为每种突变类型以及颠换，转换的位点在所有样本中分布的箱体图，下方的图为每个样本中不同突变类型的百分比堆积柱状图。
lollipop plot用于展示突变对于蛋白质的影响，代码如下
> lollipopPlot(maf = laml, gene = 'DNMT3A', AACol = 'Protein_Change', showMutationRate = TRUE)
可视化的结果如下
默认情况下，以最长转录本为参考，用圆点表示不同类型变异位点在转录本上的位置，用竖线的高度表示变异位点对应的频率。
用于比较TCGA中不同肿瘤队列间突变频率的分布，代码如下
> laml.mutload = tcgaCompare(maf = laml, cohortName = 'LAML')
可视化结果如下
横坐标为肿瘤队列，对应不同的肿瘤，纵坐标为该肿瘤队列中每个样本的体细胞突变个数，红色的线代表中位数。
“maftools有什么作用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！