#install.packages("pacman") #es un paquete que llama a otros paquetes y si no están los instala
library("pacman") #esta función llama al paquete instalado
p_load("ggplot2",#graficar 
       "dplyr", #facilitar el manajeo de dastos
       "vroom") #llamar repositorios

Llamar a base de datos

Datos_PCR1 <- vroom(file = "https://raw.githubusercontent.com/ManuelLaraMVZ/Metabolomica_2026_1/refs/heads/main/Datos_ejercicio_PCR1.1.csv")
## Rows: 1001 Columns: 7
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (1): Gen
## dbl (6): C1, C2, C3, T1, T2, T3
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
Datos_PCR1
## # A tibble: 1,001 × 7
##    Gen         C1    C2    C3    T1    T2    T3
##    <chr>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1 B-actina  19.9  20.2  19.9  20.0  20.1  19.9
##  2 Gene_1    23.9  23.0  24.0  21.7  22.4  21.0
##  3 Gene_2    24.5  22.9  25.5  21.3  23.3  24.3
##  4 Gene_3    28.1  25.0  23.9  19.1  23.3  19.7
##  5 Gene_4    25.1  24.7  27.4  20.6  19.4  25.0
##  6 Gene_5    25.3  19.9  25.3  27.2  17.9  23.8
##  7 Gene_6    28.4  27.1  23.8  21.9  26.4  22.7
##  8 Gene_7    25.9  25.5  21.4  23.8  22.5  23.1
##  9 Gene_8    22.5  29.8  23.7  21.6  22.8  22.4
## 10 Gene_9    23.6  26.4  29.1  23.2  19.6  21.1
## # ℹ 991 more rows

Aislar los genes de referencia para cada condición

Gen_ref1 <- Datos_PCR1 %>% 
  filter(Gen=="B-actina") #sirve para seleccionar filas
Gen_ref1
## # A tibble: 1 × 7
##   Gen         C1    C2    C3    T1    T2    T3
##   <chr>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 B-actina  19.9  20.2  19.9  20.0  20.1  19.9

Generar base de datos con genes de intéres

Gen_int1 <- Datos_PCR1 %>% 
  filter(Gen !="B-actina") 
Gen_int1
## # A tibble: 1,000 × 7
##    Gen        C1    C2    C3    T1    T2    T3
##    <chr>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1 Gene_1   23.9  23.0  24.0  21.7  22.4  21.0
##  2 Gene_2   24.5  22.9  25.5  21.3  23.3  24.3
##  3 Gene_3   28.1  25.0  23.9  19.1  23.3  19.7
##  4 Gene_4   25.1  24.7  27.4  20.6  19.4  25.0
##  5 Gene_5   25.3  19.9  25.3  27.2  17.9  23.8
##  6 Gene_6   28.4  27.1  23.8  21.9  26.4  22.7
##  7 Gene_7   25.9  25.5  21.4  23.8  22.5  23.1
##  8 Gene_8   22.5  29.8  23.7  21.6  22.8  22.4
##  9 Gene_9   23.6  26.4  29.1  23.2  19.6  21.1
## 10 Gene_10  24.1  24.1  23.9  21.9  24.3  21.3
## # ℹ 990 more rows

Análisis

DCT <- Gen_int1 %>% 
  mutate(DC1=C1- Gen_ref1$C1,#Crea una nueva columna
         DC2=C2- Gen_ref1$C2,
         DC3=C3- Gen_ref1$C3,
         DT1=T1- Gen_ref1$T1,
         DT2=T2- Gen_ref1$T2,
         DT3=T3- Gen_ref1$T3) %>% 
  mutate(DosDCTC1= 2^-DC1,
         DosDCTC2= 2^-DC2,
         DosDCTC3= 2^-DC3,
         DosDCTT1= 2^-DT1,
         DosDCTT2= 2^-DT2,
         DosDCTT3= 2^-DT3) %>% 
  mutate(DosDCTCx =(DosDCTC1 + DosDCTC2+ DosDCTC3)/3,
         DosDCTTx =(DosDCTT1 + DosDCTT2+ DosDCTT3)/3) %>% 
  mutate(DosDDCT= DosDCTTx/DosDCTCx)

DCT
## # A tibble: 1,000 × 22
##    Gen        C1    C2    C3    T1    T2    T3   DC1    DC2   DC3    DT1    DT2
##    <chr>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl> <dbl>  <dbl>  <dbl>
##  1 Gene_1   23.9  23.0  24.0  21.7  22.4  21.0  4.02  2.81   4.12  1.72   2.27 
##  2 Gene_2   24.5  22.9  25.5  21.3  23.3  24.3  4.68  2.72   5.61  1.37   3.18 
##  3 Gene_3   28.1  25.0  23.9  19.1  23.3  19.7  8.26  4.76   4.06 -0.876  3.22 
##  4 Gene_4   25.1  24.7  27.4  20.6  19.4  25.0  5.28  4.54   7.58  0.626 -0.689
##  5 Gene_5   25.3  19.9  25.3  27.2  17.9  23.8  5.40 -0.298  5.49  7.22  -2.17 
##  6 Gene_6   28.4  27.1  23.8  21.9  26.4  22.7  8.57  6.88   3.91  1.95   6.29 
##  7 Gene_7   25.9  25.5  21.4  23.8  22.5  23.1  6.06  5.30   1.52  3.85   2.34 
##  8 Gene_8   22.5  29.8  23.7  21.6  22.8  22.4  2.61  9.63   3.85  1.65   2.63 
##  9 Gene_9   23.6  26.4  29.1  23.2  19.6  21.1  3.77  6.17   9.23  3.24  -0.507
## 10 Gene_10  24.1  24.1  23.9  21.9  24.3  21.3  4.25  3.91   4.02  1.92   4.14 
## # ℹ 990 more rows
## # ℹ 10 more variables: DT3 <dbl>, DosDCTC1 <dbl>, DosDCTC2 <dbl>,
## #   DosDCTC3 <dbl>, DosDCTT1 <dbl>, DosDCTT2 <dbl>, DosDCTT3 <dbl>,
## #   DosDCTCx <dbl>, DosDCTTx <dbl>, DosDDCT <dbl>

Aislar datos

Datos_grafica1 <- DCT %>% 
  select(1,22)
Datos_grafica1
## # A tibble: 1,000 × 2
##    Gen     DosDDCT
##    <chr>     <dbl>
##  1 Gene_1    3.69 
##  2 Gene_2    2.59 
##  3 Gene_3   30.6  
##  4 Gene_4   30.9  
##  5 Gene_5    3.59 
##  6 Gene_6    5.36 
##  7 Gene_7    0.955
##  8 Gene_8    2.79 
##  9 Gene_9   21.9  
## 10 Gene_10   3.82 
## # ℹ 990 more rows

Gráfica

Grafica_PCR1 <- ggplot (Datos_grafica1,
                       aes(x=Gen,
                           y=DosDDCT))+
  geom_col()+ 
  theme_classic()
Grafica_PCR1

Gráfica regresión lineal

Datos_regresion1 <- DCT %>% 
  select("Gen", "DosDCTCx", "DosDCTTx")
Datos_regresion1
## # A tibble: 1,000 × 3
##    Gen     DosDCTCx DosDCTTx
##    <chr>      <dbl>    <dbl>
##  1 Gene_1    0.0874    0.322
##  2 Gene_2    0.0704    0.182
##  3 Gene_3    0.0334    1.02 
##  4 Gene_4    0.0247    0.763
##  5 Gene_5    0.425     1.53 
##  6 Gene_6    0.0259    0.139
##  7 Gene_7    0.129     0.123
##  8 Gene_8    0.0781    0.218
##  9 Gene_9    0.0297    0.651
## 10 Gene_10   0.0603    0.231
## # ℹ 990 more rows

Graficar regresión

Grafica_regresion1 <- ggplot(Datos_regresion1,
                            aes(x=DosDCTCx,
                                y= DosDCTTx))+
  geom_point()
Grafica_regresion1

Grafica_PCR1 <- ggplot(Datos_grafica1,
                      aes(x = Gen,
                          y = DosDDCT)) +   # fill por Gen para colores distintos
  geom_col() +
  labs(title = "Expresión relativa de genes",
       subtitle = "Normalización con B-actina como referencia",
       caption = "Diseño: XXXX") +
  theme_minimal(base_size = 14) +   # estilo minimalista
  theme(plot.background = element_rect(fill = "white", color = NA),
        panel.background = element_rect(fill = "white", color = NA)) +
  scale_fill_brewer(palette = "Set3")   # paleta con colores distintos

Grafica_PCR1