本小插圖將指導你分析來自實驗的流式細胞術數(shù)據(jù)集示例，該實驗檢查芽殖酵母液體培養(yǎng)物中合成生物回路的熒光報告基因水平。在這里，我們分析了一個電路，其中熒光報告基因與蛋白質融合，在添加誘導分子后，該蛋白質會隨著時間的推移而降解。在誘導后的某個時間（由實驗者優(yōu)化），通過流式細胞術分析這些培養(yǎng)物的熒光。在這里，我們演示如何將生成的.fcs文件導入到R中，使用實驗元數(shù)據(jù)（例如每個樣本的strain和treatment）注釋該數(shù)據(jù)，并編譯相關事件和測量結果。#導入和注釋數(shù)據(jù)使用導入流式細胞術數(shù)據(jù)read.flowset。在這里，我們將導入一個示例flowSet。plate1<-read.flowSet(path=system.file("extdata","ss_example",package="flowTime"),s=TRUE)#addplatenumberstothesampleNamessampleNames(plate1)<-paste("1_",sampleNames(plate1),sep="")dat<-plate1如果你有多個板，則可以重復此代碼，并且可以組合每個板以組裝完整的數(shù)據(jù)集。plate2<-read.flowSet(path=paste(experiment,"_2/",sep=""),s=TRUE)sampleNames(plate2)<-paste("2_",sampleNames(plate2),sep="")dat<-rbind2(plate1,plate2)對于本示例，我們將導入元數(shù)據(jù)表。sampleNames組裝的（flowSet在dat本示例中）的必須與的唯一標識符列的相匹配annotation。annotation<-read.csv(system.file("extdata","ss_example.csv",package="flowTime"))head(annotation)#>XnameAFBIAAtreatmentrepl#>11_A01.fcs1_A01.fcsTIR1IAA10.001#>21_A02.fcs1_A02.fcsTIR1IAA170.001#>31_A03.fcs1_A03.fcsAFB2IAA10.001#>41_A04.fcs1_A04.fcsAFB2IAA170.001#>51_B01.fcs1_B01.fcsTIR1IAA10.051#>61_B02.fcs1_B02.fcsTIR1IAA170.051sampleNames(dat)#>[1]"1_A01.fcs""1_A02.fcs""1_A03.fcs""1_A04.fcs""1_B01.fcs""1_B02.fcs"#>[7]"1_B03.fcs""1_B04.fcs""1_C01.fcs""1_C02.fcs""1_C03.fcs""1_C04.fcs"#>[13]"1_D01.fcs""1_D02.fcs""1_D03.fcs""1_D04.fcs""1_E01.fcs""1_E02.fcs"#>[19]"1_E03.fcs""1_E04.fcs""1_F01.fcs""1_F02.fcs""1_F03.fcs""1_F04.fcs"#>[25]"1_G01.fcs""1_G02.fcs""1_G03.fcs""1_G04.fcs""1_H01.fcs""1_H02.fcs"#>[31]"1_H03.fcs""1_H04.fcs"sampleNames(dat)==annotation$name#>[1]TRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUE#>[16]TRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUETRUE#>[31]TRUETRUE我們還可以從我們的數(shù)據(jù)集創(chuàng)建此列并附加注釋列?；蛘撸梢允褂迷揷reateAnnotation函數(shù)創(chuàng)建一個具有適當列的數(shù)據(jù)框，name然后可以通過R代碼填充該數(shù)據(jù)框，或另存為csv文件并通過電子表格編輯器填充。中的條目順序annotation并不重要，只要能夠sampleNames(dat)表示中的每個條目即可。該annotateFlowSet函數(shù)將按mergeBy列匹配條目annotation<-cbind(annotation,name=sampleNames(dat))#orannotation<-createAnnotation(yourFlowSet=dat)write.csv(annotation,file="path/to/yourAnnotation.csv")最后，我們可以使用該函數(shù)將此元數(shù)據(jù)附加到flowSet

annotateFlowSet。adat<-annotateFlowSet(yourFlowSet=dat,annotation_df=annotation,mergeBy="name")head(rownames(pData(adat)))#>[1]"1_A01.fcs""1_A02.fcs""1_A03.fcs""1_A04.fcs""1_B01.fcs""1_B02.fcs"head(pData(adat))#>nameXAFBIAAtreatmentrepl#>1_A01.fcs1_A01.fcs1_A01.fcsTIR1IAA10.001#>1_A02.fcs1_A02.fcs1_A02.fcsTIR1IAA170.001#>1_A03.fcs1_A03.fcs1_A03.fcsAFB2IAA10.001#>1_A04.fcs1_A04.fcs1_A04.fcsAFB2IAA170.001#>1_B01.fcs1_B01.fcs1_B01.fcsTIR1IAA10.051#>1_B02.fcs1_B02.fcs1_B02.fcsTIR1IAA170.051現(xiàn)在我們可以保存這個flowSet，任何人都可以輕松加載和分析這個帶注釋的flowSet！write.flowSet(adat,outdir="your/favorite/directory")#ReadtheflowSetwiththesavedexperimentalmetadataread.flowSet("flowSetfolder",path="your/flow/directory",phenoData="annotation.txt",s=TRUE)#編譯和繪制數(shù)據(jù)現(xiàn)在我們準備分析此中的原始數(shù)據(jù)flowSet。首先，我們加載將用于對數(shù)據(jù)進行子集化的門集。為了分析這個穩(wěn)態(tài)或單時間點實驗，我們將使用該steadyState函數(shù)。該函數(shù)將對每個事件進行門控，并編譯并返回flowFrame每個事件的相關數(shù)據(jù)和元數(shù)據(jù)。然后可以使用它來可視化完整的數(shù)據(jù)集。flowSetdataframedataframeloadGates()#usethedefaultincludedgateSetdat.SS<-steadyState(flowset=adat,ploidy="diploid",only="singlets")#>[1]"Gatingwithdiploidsingletgates..."#>[1]"Convertingevents..."p<-ggplot(dat.SS,aes(x=as.factor(treatment),y=FL2.A,fill=AFB))+geom_boxplot(outlier.shape=NA)+facet_grid(IAA~AFB)+theme_classic(base_family="Arial",base_size=16)+ylim(c(-1000,10000))