ANALISIS_TG_control_vs_TG_NR.Rmd

---
title: "ANALISIS: TG-control vs TG-NR"
author: "Álvaro Ruiz Tabas"
date: '2022-06-18'
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

# R project

## 1. Control de calidad, alineamiento y preparación de archivos en linux.

### 1.1. Control de calidad. Fastqc, Multiqc y Trimmomatric

Tras recibir las secuencias, es importante comprobar que se encuantran sincronizados los dos archivos correspondientes a cada muestra. Para ello, empleamos los comandos head y tail en el terminal de linux para comprobar que la posición donde han sido secuenciadas es la misma en ambos archivos.

A continuación, analizamos los distintos archivos .fastq.gz con el programa Fastqc a través del comando:

fastqc -t 4 ruta_a_archivos.fastq.gz -o directorio_de_salida.

Tras esto, se generan una serie de archivos que nos permitirán, tras ejecutar "multiqc .", crear un reporte con la información a cerca de la calidad de las secuencias obtenidas.

Tras ver ese reporte, podemos emplear Trimmomatric para arreglar o eliminar aquellas secuencias de peor calidad. Para ello, se ejecutaría el siguiente comando:

trimmomatic PE -threads 4 input_FORWARD.fastq.gz input_REVERSE.fastq.gz clean_FORWARD.fastq.gz un_FORWARD.fastq.gz clean_REVERSE.fastq.gz un_REVERSE.fastq.gz ILLUMINACLIP:Alladapter.fa:2:30:10:2:keepBothRead LEADING:3 TRAILING:3 MINLEN:36 2> trimmed_reads/file.log 

2 input files y 4 output  

Esto se ejecutaría para cada muestra, generando también una serie de archivos que, de nuevo, con "multiqc .", podemos generar un reporte para ver cuantas secuencias han quedado, cuantas han sido eliminadas, etc.

Se nos generan también los archivos "limpios" con los que podemos hacer el alineamiento en Kallisto

### 1.2. Alineamiento con kallisto

1. Crear índice o emplear el disponible (transcriptoma) de Ensembl (archivo.idx). Este archivo se encuentra en una página de DitHub a la que se accede a partir del manual de kallisto en el apartado del flag "index". 

2. Alineamiento con:

./kallisto quant -i transcriptome.idx -o directorio_de_salida -b 100 --fr-stranded ruta_a_forward.fastq.gz ruta_a_reverse.fastq.gz

MIRAR MANUL KALLISTO CON FR O RF STRANDED SEGÚN SEAN MIS LECTURAS

3. Se generan archivos run.json, abundance.h5 y abundance.tsv por cada alineamiento.

Con estos archivos, elaboramos los archivos requeridos para emplear DESeq2.

### 1.3. Creación de archivos para DESq2


## 2. Visualización de los counts y DESeq2 en Rstudio.

### 2.1. Paquetes necesarios
```{r Instalación de paquetes, eval=FALSE} 
# eval = FALSE para que al knitear no corran estos bloque de instalación de paquetes, poner como TRUE ci es necesaria la instalación. 

install.packages(c("BiocManager", "dplyr", "gplots", "ggplot2","ggrepel", "biomaRt", "pheatmap", "reshape2", "RColorBrewer") )
```

```{r Instalación de paquetes de BiocManager, eval=FALSE}

BiocManager::install(c("limma", "DESeq2", "AnnotationDbi", "org.Mm.eg.db", "ReportingTools", "GO.db", "GOstats", "pathview", "gage", "gageData", "select", "clusterProfiler"))
```

### 2.2. Importar datos 

Empleamos el paquete tximport para generar un dataframe (counts_data) a partir de los archivos.h5 generados por Kallisto. En este archivo tenemos genes nombrando las filas, muestras nombrando columnas y los counts en la tabla.
También generamos un archivo.csv con las muestras y condiciones que incorporamos a R.  

```{r Importación de counts en .h5, message=FALSE}
# message = FALSE para que no salgan los mensajes que se emiten por consola al correr el script en el knit.

library(DESeq2)  #paquete que proporciona m?todos para analizar la expresion diferencial
library(dplyr) # paquete que contiene funciones dise?adas para la manipulaci?n de marcos de datos
library(tximport) #cuantificaciOn de la transcripci?n se ha hecho con Salmon, Kallisto, etc
library(readxl) #leer archivos con extensi?n excel
library(readODS) #leer archivos con extensi?n open document
library(rhdf5) #paquete que permite el intercambio de conjuntos de datos y/o complejos entre R y otro software
library(ggplot2)
library(pheatmap)
library(reshape2)
library(RColorBrewer)

#setwd("Ruta/al/directorio/de/trabajo")
setwd("C:/Users/alrut/Desktop/Universidad/4º año bioquímica/TFG/RNA seq/RNA-seq_ANALISIS/")
dir<-getwd()

#A continuacion se utiliza el archivo que contiene solo la primera columna, el nombre de los genes, sin el signo mayor y hasta el .tX, donde X es un numero
#Desde ubuntu la accion es:
#cat Fragaria......fa | grep ">" | cut -f1 | cut -d" " -f1 | cut -b2- > nombresgenes.txt. Tambien se puede hacer con excel a partir de un archivo abundance.tsv

Nombre_genes <- read.table("Nombre_genes.txt", head =FALSE)
# se lee el archivo para cargar los nombres de los genes

Nombre_genes <- cbind(Nombre_genes, Nombre_genes[,1]) 
# se duplica el nombre de los genes por exigencia de tximport para Kallisto

colnames(Nombre_genes) <- c("geneID", "transcriptsID")
head(Nombre_genes)
# Se pone geneID y transcriptID como nombre de las columnas de los genes

write.table(Nombre_genes, file="Nombre_Gen_Transcrito.txt", sep="\t", quote = FALSE, row.names = FALSE) 
# tabla sin comillas y sin los numeros de filas 

# Desde el bloc de notas se crea un archivo que contenga el nombre de las carpetas donde están los archivos .h5. Este archivo se llama Disegno.txt y tiene como nombre de la columna Sample.

samples <- read.table("Diseño.txt", head = TRUE) 
# lee una tabla que contiene los nombres de los experimentos y Sample como head

archivos <- file.path(dir, samples$Sample, "abundance.h5") 
archivos
# se incluye todas las carpetas con los datos que se juntan

names(archivos) <- c("WT_control_1", "WT_control_2", "WT_control_3", "WT_control_4", "WT_NR_1", "WT_NR_2", "WT_NR_3", "WT_NR_4", "TG_control_1", "TG_control_2", "TG_control_3", "TG_NR_1", "TG_NR_2", "TG_NR_3", "TG_NR_4") 
archivos
# Se asigna nombre a los distintos archivos. Debe estar en el mismo orden que en Disgno.


tx2gene <- read.table("Nombre_Gen_Transcrito.txt", header = TRUE) 
head(tx2gene)
# header para usar como cabecera el col.names
# Crear la variable tx2gene, permitira la lectura de datos


txi <- tximport(archivos, type = "kallisto", tx2gene = tx2gene, countsFromAbundance = "no", txOut = FALSE) 
# Crear la variable txi para importa los datos de mapeo

names(txi) #contiene abundance, counts, length, countsFromAbundance e infReps

counts_data <- txi[["counts"]]
counts_data <- as.data.frame(counts_data)
# Generear cunts_data y pasar a dataframe

head(counts_data) 
# visualización de counts_data

```
 Crear también un archivo .csv con counts par meter en IDEP.
```{r Importar sample imformation}

colData <- read.csv('Sample_info.csv')
# Archivo con el nombre de las muestras y las condiciones. 
```

Asegurarse de que la columna 1 son los nombres de los genes y no parte del dataframe. Para ello, se puede guardar el .csv sin nombre en la primera columna o como en el siguiente script. 

Hay que comprobar que las filas de colData y las columnas de counts tienen el mismo nombre y orden

```{r Comprobación de "sincronización" entre archivos}

all(colnames(counts_data) %in% rownames(colData))
# Comprobación de el nombre de las filas de Coldata es igual al nombre de las columnas de counts_data

all(colnames(counts_data) == rownames(colData))
# Comprobación de si están en el mismo orden 
```

### 2.3. Visualización de los counts
```{r Representación de los counts por muestra. COMUN A WT-CONTROL VS WT-NR}

summary(counts_data)
# Sumario de counts data con información util y que se representará en el siguiente gráfico de barras (los couns totales)

par(mar=c(8,4,4,1))
barplot(colSums(counts_data)/1e6, names.arg = c("WT_control_1", "WT_control_2", "WT_control_3", "WT_control_4", "WT_NR_1", "WT_NR_2", "WT_NR_3", "WT_NR_4", "TG_control_1", "TG_control_2", "TG_control_3", "TG_NR_1", "TG_NR_2", "TG_NR_3", "TG_NR_4"), xlab = "", ylab = "Millones de lecturas", main = "Tamaño de las librerias", col = brewer.pal(8, name = "Accent"), las = 3, ylim = c(0,40))
# Representación de los millones de lecturas de cada muestra. El primer comando es para los márgenes entre barras y el segundo para crear el gráfico de barras ajustar el eje y para que no salga 3,0+e7 y salgan las etiquetas (las=3)
```

```{r Representación logaritmica del los genes y los counts que tienen}

logcountsdata <- log2(1+counts_data)
logcountsdata<- as.data.frame(logcountsdata)

# TG-CONTROL YA HECHO EN WT-CONTROL VS TG-CONTROL
png("Libreria  TG-NR 1.png", width = 400, height = 300)
hist(logcountsdata$TG_NR_1, br=20, xlab = "Logaritmo del número de lecturas", ylab = "Frecuencia", main = "Composición de la librería del TG-NR 1", col = "darkorchid2", ylim = c(0,80000))
dev.off()

png("Libreria  TG-NR 2.png", width = 400, height = 300)
hist(logcountsdata$TG_NR_2, br=20, xlab = "Logaritmo del número de lecturas", ylab = "Frecuencia", main = "Composición de la librería del TG-NR 2", col = "darkorchid2", ylim = c(0,80000))
dev.off()

png("Libreria  TG-NR 3.png", width = 400, height = 300)
hist(logcountsdata$TG_NR_3, br=20, xlab = "Logaritmo del número de lecturas", ylab = "Frecuencia", main = "Composición de la librería del TG-NR 3", col = "darkorchid2", ylim = c(0,80000))
dev.off()

png("Libreria  TG-NR 4.png", width = 400, height = 300)
hist(logcountsdata$TG_NR_4, br=20, xlab = "Logaritmo del número de lecturas", ylab = "Frecuencia", main = "Composición de la librería del TG-NR 4", col = "darkorchid2", ylim = c(0,80000))
dev.off()

# Histograma con la frecuencia de cada gen en escala logaritmica. Por ejemplo, hay 40.000 genes en esta muestra con 0 counts, la mayoría entre 5 y 12 counts (en logaritmico). El primer comando es para crear un dataframe con los datos en logaritmico.
```

```{r Representación de la similitud entre muestras}

# COMPARACIONES ENTRE TG-CONTROL HECHAS EN WT-CONTROL VS TG-CONTROL

png("Comparación entre muestras TG-NR 1.png", width = 400, height = 300)
plot(logcountsdata$TG_NR_1, logcountsdata$TG_NR_2, xlab = "Composición TG-NR 2", ylab = "Composición TG-NR 1", main = "Comparación entre muestras TG-NR", col = "orange")
dev.off()

png("Comparación entre muestras TG-NR 2.png", width = 400, height = 300)
plot(logcountsdata$TG_NR_3, logcountsdata$TG_NR_4, xlab = "Composición TG-NR 4", ylab = "Composición TG-NR 3", main = "Comparación entre muestras TG-NR", col = "orange")
dev.off()

png("Comparación entre muestras TG-control y TG-NR 1.png", width = 400, height = 300)
plot(logcountsdata$TG_control_1, logcountsdata$TG_NR_1, xlab = "Composición TG-NR 1", ylab = "Composición TG-control 1", main = "Comparación entre muestras TG-control y TG-NR 1", col = "salmon2")
dev.off()

png("Comparación entre muestras TG-control y TG-NR 2.png", width = 400, height = 300)
plot(logcountsdata$TG_control_2, logcountsdata$TG_NR_2, xlab = "Composición TG-NR 2", ylab = "Composición TG-control 2", main = "Comparación entre muestras TG-control y TG-NR 2", col = "salmon2")
dev.off()

png("Comparación entre muestras TG-control y TG-NR 3.png", width = 400, height = 300)
plot(logcountsdata$TG_control_3, logcountsdata$TG_NR_3, xlab = "Composición TG-NR 3", ylab = "Composición TG-control 3", main = "Comparación entre muestras TG-control y TG-NR 3", col = "salmon2")
dev.off()
# Representamos una muestra respecto a otra. Se puede hacer también como plot(logcountsdata[,1], logcountsdata[,2]) para comparar la columna 1 y 2 e ir cambiando los numeros para cambiar las columnas a comparar
#Si sale una linea perfecta de 45º es que son iguales. Las muestras con el mismo tratamiento o condiciones deben de sar parecidas a una linea de 45º y las que son diferentes tratamientos deben sar más distintas. 
# Es interesante ver distintas comparaciones a la vez
```

### 2.4. DESeq2

```{r Creación del dataset para DESeq2, message=FALSE}

dds <- DESeqDataSetFromMatrix(countData = round (counts_data),
colData = colData, design = ~ Genotipo + Tratamiento + Genotipo:Tratamiento) 

#dds <- DESeqDataSetFromTximport(txi,
#colData = colData, design = ~ Genotipo)

# Creación del dataset que le gusta a DESeq2. El diseño cambia según estudio. A partir de Matrix o de Tximport. 
# Uso FromMatrix pero counts_data se ha generado a partir de txi [counts]

# design = ~ Nombre_del_tratamiento_de_colData para 1 factor
# design = ~ Tratamiento1+Tratamiento2+Tratamiento1*Tratamiento2 para 2 factores. El último es para las comparaciones cruzadas

dds$Tratamiento <- relevel(dds$Tratamiento, ref = "control")
dds$Genotipo <- relevel(dds$Genotipo, ref = "WT")
# Establecer el factor y la referencia con la que comparar
```

```{r Ejecutar DESeq2, message=FALSE}

dds <- DESeq(dds)
# Ejecución de DESeq2 sobre el dataset dds

nrow(dds)
resultsNames(dds)
# Comprobación del número de filas de dds tras DESeq2. Debe ser igual al de counts_data
```

```{r Filtración del resultado de DESeq2}

dds <- dds[rowSums(counts(dds)) >= 5]
# Filtración del resultado de DESeq2. Te quedas solo con las filas (genes) con x número de counts. 

nrow(dds)
# Número de filas tras el filtrado
```

```{r Exportar datos normalizados}

norm_Counts <- counts(dds, normalized = TRUE)
# norm_Counts$ensembl_transcript_id = gsub("\\..*","", row.names(norm_Counts))
norm_Counts <- as.data.frame(norm_Counts)
nrow(dds)

#write.table(norm_Counts, file="Normalized_Counts_TG_control_vs_TG_NR.txt", sep="\t", quote = FALSE, row.names = TRUE) 
# Archivo que pasar a excel pasando puntos a comas excepto en los nombres de los genes

```

## 3. Representación de los resultados de DESeq2 y análisis de expresión diferencial en Rstudio

### 3.1. Exploración de los resultados de DESeq2
```{r Comparaciones DESeq2}

resultsNames(dds)
# Comparaciones hechas por DESeq2
```

```{r Resultados de DESq2}

res <- results(dds, list( c("Tratamiento_NR_vs_control","GenotipoTG.TratamientoNR")))
# Extraer resultados de dds para comparar TG_NR vs TG_control. EFECTO DEL NR EN LOS TG

res 
summary(res)
# Visualizar los resultados
```

```{r Ordenar y exportar resultados}

res_Ordered <- res[order(res$padj),]
res_Ordered_DF <- as.data.frame(res_Ordered)

res_Ordered_DF <- na.omit(res_Ordered_DF)

res_Ordered_DF$GENES <- ifelse(res_Ordered_DF$padj <= 0.05, "SIGNIFICATIVO", "NO SIGNIFICATIVO")
# Para los colorinchis en ggplot2

# write.table(res_Ordered, file="res_Ordered", sep="\t", quote = FALSE, row.names = TRUE) 
# Archivo que pasar a excel pasando puntos a comas excepto en los nombres de los genes


head(res_Ordered_DF)

```

```{r BiomaRt}
library(org.Mm.eg.db) # Raton
library(org.Hs.eg.db) # Humano
library(biomaRt)
library(tidyverse)

##########biomaRt 

res_Ordered_DF$ensembl_transcript_id = gsub("\\..*","", row.names(res_Ordered_DF))
res_Ordered_DF$ensembl_transcript_id_version <- row.names(res_Ordered_DF)
ENSEMBL_IDs <- as.data.frame(res_Ordered_DF$ensembl_transcript_id)
colnames(ENSEMBL_IDs) <- "ensembl_transcript_id"
# input list de los ID de los transcritos

listEnsembl()
ENSEMBL <- useEnsembl(biomart = "genes") #, mirror = "uswest")
datasets <- listDatasets(ENSEMBL)
# Base de datos disponibles. Buscar en datasets la que necesito según mi organismo

ENSEMBL_CONECTION <- useEnsembl("ensembl", dataset = 'mmusculus_gene_ensembl')#,  mirror = 'uswest')                                 #Cambiar según organismo
# Conectar database y dataset. Puedo usar useEnsemble o useMart. mirror es porque me daba error sin ello. Ese error suele ser cuando Ensembl está en mantenimiento

attr <- listAttributes(ENSEMBL_CONECTION)
filters <- listFilters(ENSEMBL_CONECTION)
# Atributos y filtros de biomaRt para usarlos a continuación. Se pueden ver y buscar lo que necesitemos

ensembl2gene <- getBM(attributes = c("ensembl_transcript_id",
                                     "external_gene_name", "ensembl_gene_id"), # Datos a obtener
                      filters = "ensembl_transcript_id", # Tipo de datos que aportas
                      values = ENSEMBL_IDs$ensembl_transcript_id, # Input de datos
                      mart = ENSEMBL_CONECTION) 

idmap <- merge (x = ENSEMBL_IDs, y = ensembl2gene,
               by="ensembl_transcript_id",  sort = FALSE) #, all.x=TRUE)
# Para unir el dataframe con nombres de transcritos y de genes ya que no hy el mismo número y para algunos transcritos no se conoce el nombre del gen o el ENTREZ_ID

res_Ordered_DF <- merge (x = res_Ordered_DF, y = idmap,
               by="ensembl_transcript_id",  sort = FALSE)
# Incorporar nombre de genes a resultados de DESEQ2 (res)

row.names(res_Ordered_DF) <- res_Ordered_DF$ensembl_transcript_id_version
# Para usar la columna con los nombres de los genes como nobres de filas

# res_Ordered_DF <- res_Ordered_DF [,-1]

write.table(res_Ordered_DF, file = "RESULTADOS_TG-control_vs_TG-NR.txt", sep = "\t", quote = FALSE)
```

### 3.2. MA plot 
```{r MA plot}

png("MA plot 1 (TG-control vs TG-NR).png", width = 500, height = 400)
DESeq2::plotMA(res, ylim=c(-25,25), xlab = "Media normalizada de lecturas", ylab = "Log2 Fold Change", main = "Gráfico MA TG-control vs TG-NR", colSig = "green", colNonSig = "darkgray")
# Representación MA plot de los resultados de DESeq2
dev.off()

```

### 3.2. Pseudo-MAplot
```{r Pseudo MAplot}

png("MA plot 2 (TG-control vs TG-NR).png", width = 500, height = 400)
myColors <- c("darkgray", "green")
names(myColors) <- levels(res_Ordered_DF$GENES)
colScale <- scale_colour_manual(name = "GENES",values = myColors)
# Establecer colores

MA_plot <- ggplot(res_Ordered_DF, aes(x = log10(baseMean), y = log2FoldChange, color = GENES)) + geom_point() + theme(legend.position = "bottom")

MA_plot <- MA_plot + colScale + labs(title="Gráfico MA TG-control vs TG-NR") + theme (plot.title = element_text(hjust = 0.5))  
# Poner titulos y ejes. Poner x ="", y = "" dentro de labs para ejes

MA_plot
dev.off()
```

### 3.3. Vulcano plot 
VERSIÓN EASY
```{r Volcano plot easy}

png("Vulcano plot (TG-control vs TG-NR).png", width = 500, height = 400)
Vulcano <- ggplot(res_Ordered_DF, main = "Gráfico en volcán TG-control vs TG-NR", aes(x = log2FoldChange, y = -log10(padj) , color = GENES)) + geom_point() + theme(legend.position = "bottom") 

Vulcano <- Vulcano + colScale + labs(title="Gráfico en volcán TG-control vs TG-NR") + theme (plot.title = element_text(hjust = 0.5)) 

Vulcano

dev.off()

```

### 3.4. Gráfico de componentes principales y heatmap de similitud

FORMA 1 con rlog
```{r PCA 1. HECHO EN WT-CONTROL VS WT-NR}

rld = rlog(dds)
# Transformación logaritmica del resultado de dds guardado en la variable rld

plotPCA(rld, intgroup = c("Genotipo", "Tratamiento"))

# Representación a partir del resultado de DESeq2. INVESTIGAR INTERPRETACIÓN

```
FORMA 2 con vst. EN teoría son la misma transformación, pero no salen igual resultados.
```{r PCA 2. HECHO EN WT-CONTROL VS WT-NR}

vsd <- vst (dds, blind = FALSE)

plot_PCA <- plotPCA(vsd, intgroup = c("Genotipo","Tratamiento"), returnData = TRUE) 
# + labs(title="Grafico de componentes principales") + theme (plot.title = element_text(hjust = 0.5), legend.position = "bottom") 


myColors2 <- c("green", "blueviolet", "red", "black")
names(myColors2) <- levels(plot_PCA$group)
colScale2 <- scale_colour_manual(name = "group",values = myColors2)

percentVar <- round(100 * attr(plot_PCA, "percentVar"))

plot_PCA <- ggplot(plot_PCA , aes( x = PC1, y = PC2, color = group)) + geom_point() + xlab(paste0("PC1: ", percentVar[1], "% varianza")) + ylab(paste0("PC2: ", percentVar[2], "% varianza"))+ labs(title="Gráfico de componentes principales") + theme (plot.title = element_text(hjust = 0.5), legend.position = "bottom") + colScale2

plot_PCA

```
A parir de las distancias, podmeos generar un heatmap que represente la similitud entre muestras. 

```{r Heatmap similitud. HECHO EN WT-CONTROL VS WT-NR}

sampleDists <- dist(t(assay(vsd)))

sampleDistMatrix <- as.matrix(sampleDists)

# rownames(sampleDistMatrix) <- paste(vsd$Genotipo, vsd$Tratamiento, sep="-")

# colnames(sampleDistMatrix) <- NULL
colors <- colorRampPalette( rev(brewer.pal(9, "Greens")) )(255)
pheatmap(sampleDistMatrix,
         clustering_distance_rows= sampleDists,
         clustering_distance_cols= sampleDists,
         col=colors, angle_col = 45, cluster_rows = FALSE, cluster_cols = FALSE)

pheatmap(sampleDistMatrix,
         clustering_distance_rows= sampleDists,
         clustering_distance_cols= sampleDists,
         col=colors, angle_col = 45)
```

### 3.5. Heatmap
Versión easy
```{r pheatmap}

Sig_genes <- subset(res_Ordered_DF, padj <= 0.05)
# Me quedo con los genes significantes

All_sig <- merge(norm_Counts, Sig_genes, by = 0)
# Junto los dataframe de los counts y los resultados del DESeq2

Sig_counts <- All_sig[,c("TG_control_1", "TG_control_2", "TG_control_3", "TG_NR_1", "TG_NR_2", "TG_NR_3", "TG_NR_4")]
# Me quedo solo con los counts de los genes significantes

row.names(Sig_counts) <- All_sig$Row.names
# Añado el nombre de los genes

png("Heatmap TG-control vs TG-NR.png", width = 600, height = 500)
pheatmap(log2(Sig_counts + 1), scale = 'row', show_rownames = FALSE, treeheight_row = FALSE, treeheight_col = FALSE, main = "Mapa de calor entre TG-control y TG-NR", labels_col = c("TG-control 1", "TG-control 2", "TG-control 3", "TG-NR 1", "TG-NR 2", "TG-NR 3", "TG-NR 4"), angle_col = 45, cluster_cols = F, border_color = FALSE)
dev.off()

```

## 4. Enriquecimiento funcional

### 4.1. Principales genes con expresión diferencial
```{r Gen con mayor Fold Change usando orden de padjust value}
library("ggbeeswarm")

topGene = row.names(Sig_genes)[1]
# Guardamos en la variable topGene el nombre del gen que está en primera posición

Plot_counts <- plotCounts(dds[,c("TG_control_1", "TG_control_2", "TG_control_3", "TG_NR_1", "TG_NR_2", "TG_NR_3", "TG_NR_4")], gene=topGene, intgroup = c("Genotipo", "Tratamiento"), returnData = TRUE) 
# Guardar los datos como tabla

Plot_counts <- ggplot(Plot_counts, aes(x = Genotipo:Tratamiento , y = count)) + scale_y_log10() +  geom_beeswarm(cex = 3)

# Generar gráfico con ggplot y la tabla anterior
png("TOP_gene TG-control vs TG-NR.png", width = 600, height = 500)

Plot_counts <- Plot_counts + labs(title="Expresión diferencial de Eif4g1", x = "Grupo", y = "Counts") + theme (plot.title = element_text(hjust = 0.5)) 

Plot_counts 

dev.off()
```

Se podría hacer con el segundo, tercero .... gen con mayor fold change Y REPRESENTAR TODOS. MIRAR VIDEO MIKE VANDEWAY DESEQ2 PART 2 MIN 58 (ANTES)

```{r Top genes heatmap}

Top_10 <- res_Ordered_DF [1:10,]

Top_10 <- merge(Top_10, norm_Counts, by = 0)
row.names(Top_10) <- Top_10$external_gene_name

keep <- c("TG_control_1", "TG_control_2", "TG_control_3", "TG_NR_1", "TG_NR_2", "TG_NR_3", "TG_NR_4")

Top_10 <- Top_10[,names(Top_10) %in% keep]

png("TOP_10 Heatmap TG-control vs TG-NR.png", width = 600, height = 500)

pheatmap(log2(Top_10 +1), treeheight_row = FALSE, treeheight_col = FALSE, main = "Mapa de calor con los 10 principales genes TG-control vs TG-NR", labels_col = c("TG-control 1", "TG-control 2", "TG-control 3", "TG-NR 1", "TG-NR 2", "TG-NR 3", "TG-NR 4"), angle_col = 45, cluster_cols = FALSE, border_color = FALSE)
dev.off()



```

```{r Top genes puntos}

Top_10_m <- melt(as.matrix(Top_10))
# reordenar info
names(Top_10_m) <- c("genes", "Sample", "Exp")
# renombrar columnas

Top_10_m$Tratamiento <- ifelse(grepl("control", Top_10_m$Sample), "control", "NR")

myColors2 <- c("darkorange", "blueviolet")
names(myColors2) <- levels(Top_10_m$Tratamiento)
colScale2 <- scale_colour_manual(name = "Tratamiento",values = myColors2)

png("TOP_10 TG-control vs TG-NR.png", width = 600, height = 500)

TOP_GENES <- ggplot(Top_10_m , aes( x = Tratamiento, y = log2(Exp +1), color = Tratamiento)) + geom_point() + facet_grid(~ genes) + labs(title="Expresión diferencial de los principales genes TG-control vs TG-NR", x = "", y = "Log2 de las lecturas") + theme (plot.title = element_text(hjust = 0.5), legend.position = "bottom", axis.text.x =element_blank()) + colScale2

TOP_GENES

dev.off()
```

### 4.2. Gene Ontology
```{r Preparación y selección de genes}

library(GO.db)
library(GOstats)

sig_lfc <- 0.5
# Establezco un valor de fold change significativo

select_Genes_Up <- unique(All_sig[All_sig$log2FoldChange > sig_lfc, 'ensembl_gene_id'])
select_Genes_Down <- unique(All_sig[All_sig$log2FoldChange < (-sig_lfc), 'ensembl_gene_id'])
# Selección de los genes up y down regulated según su fold change sea mayor o menor del fold change que establezco como significativo (4).

DE_Genes <- unique(All_sig$ensembl_gene_id) # Todos los genes con expresión diferencial
cutOff <- 0.01
# El conjunto total de genes

DE_GENES <- as.data.frame(DE_Genes)
write.table(DE_GENES, "DE_GENES_TG-control_vs_TG-NR.txt", row.names = FALSE, col.names = FALSE, quote = FALSE)
# GUardar genes como variable y generar archivo 

GENES_UP <- as.data.frame(select_Genes_Up)
GENES_DOWN <- as.data.frame(select_Genes_Down)
write.table(GENES_UP, "GENES_UP_TG-control_vs_TG-NR.txt", row.names = FALSE, col.names = FALSE, quote = FALSE)
write.table(GENES_DOWN, "GENES_DOWN_TG-control_vs_TG-NR.txt", row.names = FALSE, col.names = FALSE, quote = FALSE)
# Guardar genes up y down


Nombre_genes$ensembl_transcript_id = gsub("\\..*","", Nombre_genes$geneID)
# Nombre_genes

Nombre_genes <- getBM(attributes = c("ensembl_transcript_id",
                                     "ensembl_gene_id"), # Datos a obtener
                      filters = "ensembl_transcript_id", # Tipo de datos que aportas
                      values = Nombre_genes$ensembl_transcript_id, # Input de datos
                      mart = ENSEMBL_CONECTION) 

universal_Genes <- unique(Nombre_genes$ensembl_gene_id)
Background_Genes <- as.data.frame(universal_Genes)
write.table(Background_Genes, "Background_Genes_TG-control_vs_TG-NR.txt", row.names = FALSE, col.names = FALSE, quote = FALSE)
# Lista con todos los genes detectados
```

Con las listas de genes, puedo ir a la página de Gene Ontology o Shiny, meter el listado de genes y realizar el enriquecimiento funcional y sus representaciones. 

Los siguientes chunks eran intentos de realizar el enriquecimiento funcional a través de R, pero las representaciones daban problemas y kegg no me conectaba con el servidor. Lo haré en Shiny y IDEP (principalmente en shiny).