通过conda安装纯净环境的TCGAbiolinks

• conda create -n tcga -c conda-forge r-base=4.1.2 -y

• conda activate tcga

• conda install -c conda-forge r-rvest=1.0.2 -y

• conda install -c conda-forge r-xml=3.99_0.8 -y

• conda install -c conda-forge r-rcpparmadillo=0.10.8.1.0 -y

• conda install -c conda-forge r-bh=1.78.0_0 -y

• conda install -c conda-forge r-biocmanager=1.30.16 -y

• conda install -c bioconda bioconductor-summarizedexperiment=1.24.0 -y

• conda install -c bioconda bioconductor-tcgabiolinks=2.22.1 -y

• conda install -c bioconda bioconductor-deseq2=1.34.0 -y

• conda install -c bioconda bioconductor-rhdf5=2.38.0 -y

• conda install -c bioconda bioconductor-limma=3.50.1 -y

• conda install -c bioconda bioconductor-apeglm=1.16.0 -y

• conda install -c bioconda r-sleuth=0.30.0 -y

• conda install -c bioconda r-wasabi=1.0.1 -y

• conda install -c conda-forge r-irkernel=1.3 -y

• conda install -c conda-forge r-ashr=2.2_54 -y

• conda install -c conda-forge r-robustrankaggreg=1.1 -y

• conda install -c conda-forge r-devtools=2.4.3 -y

• IRkernel::installspec(name=’tcga’, displayname=’r-tcga’)

• deseq2 数据要求：低生物学重复 & raw counts；假定负二项分布；适合高通量测序数据

• sleuth 数据要求：Kallisto输出的结果

• limma 数据要求：logCPM；假定正态分布；适合芯片数据

• fpkm数据差异基因分析 ：理论上是不能进行分析的，无计可施时可以参考

• 高生物学重复请直接使用 wilcox.test 以避免大量假阳性

• 多数据集结果整合：RobustRankAggreg

fpkm转tpm示例（基于 SummarizedExperiment 数据框架）

fpkmToTpm <- function(fpkm){
    exp(log(fpkm) - log(sum(fpkm)) + log(1e6))
}
f_fpkmToTpm <- function(l_e){
     apply(l_e,2,fpkmToTpm)
}
assay(sce, "TPM") <- f_fpkmToTpm(assay(sce, "HTSeq - FPKM"))