Instalación de paquetería

if(!require(pacman))
  install.packages("pacman")
## Loading required package: pacman

Lamar a pacman

library("pacman")

Llamar paquetería necesaria

p_load("vroom",
       "dplyr",
       "ggplot2",
       "tidyr")

Llamar a base de datos

Datos_PCR<- read.csv(file="https://raw.githubusercontent.com/ManuelLaraMVZ/Metabolomica_2026_1/refs/heads/main/Cts")

Datos_PCR
##          Well      Grupo Practica Fluor      Cq
## 1          50      Curva Absoluta  SYBR  5.1456
## 2          10      Curva Absoluta  SYBR 10.7723
## 3           5      Curva Absoluta  SYBR 13.8608
## 4           1      Curva Absoluta  SYBR 15.6871
## 5         0.5      Curva Absoluta  SYBR 16.4616
## 6         0.1      Curva Absoluta  SYBR 18.2555
## 7     Muestra         G1 Absoluta  SYBR 11.5000
## 8     Muestra         G2 Absoluta  SYBR 13.1136
## 9         A01         G1 Relativa  SYBR 28.5503
## 10        A02         G1 Relativa  SYBR 15.0286
## 11        A03         G1 Relativa  SYBR 14.0315
## 12        A04         G1 Relativa  SYBR 50.0000
## 13        A05         G1 Relativa  SYBR 15.4712
## 14        A06         G1 Relativa  SYBR 12.6390
## 15        A01         G2 Relativa  SYBR 12.6994
## 16        A02         G2 Relativa  SYBR 16.3150
## 17        A03         G2 Relativa  SYBR 13.0971
## 18 Referencia Referencia Relativa  SYBR 18.4050
## 19   Profesor         G1 Relativa  SYBR 20.0500
## 20   Profesor         G2 Relativa  SYBR 20.0500

Filtrar los datos

Filtrado <- Datos_PCR %>% 
  filter(Practica == "Relativa") %>% 
  filter(Grupo == "G1") %>% 
  select("Well", "Cq")

Filtrado
##       Well      Cq
## 1      A01 28.5503
## 2      A02 15.0286
## 3      A03 14.0315
## 4      A04 50.0000
## 5      A05 15.4712
## 6      A06 12.6390
## 7 Profesor 20.0500

Valor de gen de referencia

Referencia <- Datos_PCR %>% 
  filter(Grupo == "Referencia") %>% 
  select("Well", "Cq")

Referencia
##         Well     Cq
## 1 Referencia 18.405

Valor 2^-DCT

Dos_DCt <- Filtrado %>% 
  mutate(DCt = (Cq-Referencia$Cq),
         DosDCt = 2^-DCt)

Dos_DCt
##       Well      Cq     DCt       DosDCt
## 1      A01 28.5503 10.1453 8.829994e-04
## 2      A02 15.0286 -3.3764 1.038479e+01
## 3      A03 14.0315 -4.3735 2.072787e+01
## 4      A04 50.0000 31.5950 3.082885e-10
## 5      A05 15.4712 -2.9338 7.641204e+00
## 6      A06 12.6390 -5.7660 5.441755e+01
## 7 Profesor 20.0500  1.6450 3.197464e-01

Obtener el valor de 2^-DDCt

Dos_DDCt <- Dos_DCt %>% 
  mutate(DosDDCt = DosDCt/last(DosDCt),
         L2 = log2(DosDDCt))

Dos_DDCt
##       Well      Cq     DCt       DosDCt      DosDDCt       L2
## 1      A01 28.5503 10.1453 8.829994e-04 2.761562e-03  -8.5003
## 2      A02 15.0286 -3.3764 1.038479e+01 3.247821e+01   5.0214
## 3      A03 14.0315 -4.3735 2.072787e+01 6.482597e+01   6.0185
## 4      A04 50.0000 31.5950 3.082885e-10 9.641656e-10 -29.9500
## 5      A05 15.4712 -2.9338 7.641204e+00 2.389770e+01   4.5788
## 6      A06 12.6390 -5.7660 5.441755e+01 1.701897e+02   7.4110
## 7 Profesor 20.0500  1.6450 3.197464e-01 1.000000e+00   0.0000

Graficar datos

Grafica_comparativa <- ggplot(Dos_DDCt,
                              aes(x = Well,
                                  y = DosDDCt,
                                  fill = Well))+
  geom_col()

Grafica_comparativa

#Esta diciendo que la columna A06 se está expresando más de 150 veces el gen #Valor de profesor equivale a 1 porque es 2^0

Gráfica logaritmo

Dos_DDCt2 <- Dos_DCt %>% 
  mutate(DosDDCt = DosDCt/last(DosDCt),
         L2 = log2(DosDDCt))

Grafica_comparativa2 <- ggplot(Dos_DDCt2,
                              aes(x = Well,
                                  y = L2,
                                  fill = Well))+
  geom_col()+
  theme_classic()+
  labs(title = "Análisis relativo RT-qPCR",
       subtitle = "Tejido: Riñón (A01)",
       caption = "Equipo = KAM",
       x = "Muestra",
       y = "Log2(FCh)")+
  geom_hline(yintercept = 0,
             linetype = "solid",
             color = "black",
             linewidth = 0.2)

Grafica_comparativa2

#Los que expresaron en L2 quiere decir que expresaron a la baja #cada tejido es distinto, comparado con el organo que le tocó al profesor tiene una diferencia #tomar wn cuenta valores de curva de disociación para ver si son válidos estos valores #analizar datos en conjunto y considerando que fueran óptimos, en comparación con el tejido que le tocó al profesor, algunos órganos tienen un incremento en la expresión de actina y otros tienen una disminución o una menor expresión que el tejido del profesor.

Comparación

Dos_DDCt <- Dos_DCt %>% 
  mutate(DosDDCt = DosDCt/last(DosDCt),
         L2 = log2(DosDDCt)) %>% 
  slice(1, 7)

Dos_DDCt
##       Well      Cq     DCt       DosDCt     DosDDCt      L2
## 1      A01 28.5503 10.1453 0.0008829994 0.002761562 -8.5003
## 2 Profesor 20.0500  1.6450 0.3197463953 1.000000000  0.0000
Grafica_comparativa <- ggplot(Dos_DDCt,
                              aes(x = Well,
                                  y = DosDDCt,
                                  fill = Well))+
  geom_col()+
  theme_classic()+
  labs(title = "Análisis relativo RT-qPCR",
       subtitle = "Tejido: Riñón",
       caption = "Equipo = KAM",
       x = "Muestra",
       y = "Fold Change (2^-DDCt)")

Grafica_comparativa