#source("https://bioconductor.org/biocLite.R")
#biocLite("DESeq2")   
#安装DESEQ2
library(DESeq2) #载入包
data16<-read.csv('cancer.txt',sep='\t',row.names=1) #读入数据，以tab为间隔，列名为第一列元素名字(基因)
#数据格式：行为基因，列为样本
dataexp<-data16[,1:4] #为了运行速度，演示只取前四列(前四个样本)
col<-data.frame(sampleid=colnames(dataexp),group=as.factor(c("nor","nor","can","can")))
#创建一个两列的数据框，一列为样本Id,一列为分组信息
dds = DESeqDataSetFromMatrix(countData = dataexp,colData = col,design = ~group)
#构建dds矩阵，第一个参数为表达矩阵，第二个参数为样本信息矩阵，第三个矩阵为差异比较矩阵
dds2<-DESeq(dds)
#标准化
res<- results(dds2,contrast = c('group','nor','can'))
#提取结果，注意元素名字(group,nor,can)需与前相同
resOrdered <- res[order(res$padj),]
#按padj(经过多重校验后的p-value)大小排序
resOrdered=as.data.frame(resOrdered)
#转化为数据框形式
result =resOrdered[resOrdered$padj<0.05,]
#提取显著(p-value小于0.05)的结果
result = na.omit(result)
#去除可能存在的NA
write.csv(result,'testresult.csv')
#写出文件