すみません、理解しました！実際の生物データを使ってDESeq2解析を行うために、具体的なGEOアクセス番号を使用した例を紹介します。たとえば、**ヒト**や**マウス**に関するRNA-seqデータはGEOに多くあります。以下は、実際に存在するデータセットの例です。 ### 例1: ヒトのRNA-seqデータ（`GSE118588`） **GSE118588**は、ヒトの肺癌細胞のRNA-seqデータです。このデータセットを使ってDESeq2解析を行う手順を示します。 ### 1. GEOデータのダウンロード ```R # GEOqueryパッケージを使用 library(GEOquery) # GEOデータのダウンロード（GSE118588） gse <- getGEO("GSE118588", GSEMatrix = TRUE) # データの確認 gse ``` ### 2. 発現データの抽出 ```R # 発現データを取得 expression_data <- exprs(gse[[1]]) # サンプル情報を確認 sample_info <- pData(gse[[1]]) # 発現データの最初の数行を表示 head(expression_data) # サンプル情報の最初の数行を表示 head(sample_info) ``` ### 3. サンプル情報の整形サンプル情報（条件：例えば、「Control」と「Treatment」など）をデータフレームとして整理します。次に、DESeq2用のデータセットを作成します。 ```R # サンプル情報を基に条件を設定 col_data <- data.frame(condition = factor(c("Control", "Treatment", "Control", "Treatment")), row.names = colnames(expression_data)) # DESeqDataSetの作成 library(DESeq2) dds <- DESeqDataSetFromMatrix(countData = expression_data, colData = col_data, design = ~ condition) ``` ### 4. DESeq2解析の実行 ```R # DESeq2解析の実行 dds <- DESeq(dds) # 結果の取得 res <- results(dds) summary(res) ``` ### 5. 結果の可視化差次的発現遺伝子の結果を可視化するために、火山図（volcano plot）やMAプロットを描きます。 ```R # 火山図のプロット library(ggplot2) volcano_data <- as.data.frame(res) ggplot(volcano_data, aes(x = log2FoldChange, y = -log10(pvalue))) + geom_point(aes(color = padj < 0.05), size = 1) + theme_minimal() + ggtitle("Volcano Plot") # MAプロットのプロット plotMA(res, main = "MA Plot", ylim = c(-5, 5)) ``` --- ### 例2: マウスのRNA-seqデータ（`GSE119717`） **GSE119717**は、マウスの皮膚組織におけるRNA-seqデータです。このデータを使用して、同様の解析を行います。 ```R # GEOデータのダウンロード（GSE119717） gse <- getGEO("GSE119717", GSEMatrix = TRUE) # 発現データとサンプル情報を抽出 expression_data <- exprs(gse[[1]]) sample_info <- pData(gse[[1]]) # 発現データの最初の数行を表示 head(expression_data) # サンプル情報の最初の数行を表示 head(sample_info) ``` その後、上記の手順を繰り返し、DESeq2解析を実行することができます。 --- このように、実際の生物（ヒトやマウス）のデータを使って、DESeq2で差次的発現解析を行うことができます。GEOには多くのデータセットが公開されているので、目的に合ったデータセットを選んで分析を進めることができます。

DESeq2 RNA-seq解析