A classe ExpressionSet

Análise de Expressão Diferencial com limma em R

John Blischak

Instructor

Gerenciar dados é delicado

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[1:10, ]

Uma vírgula fora do lugar pode virar um pesadelo de depuração:

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[, 1:10]
# Oh no!   *

Programação orientada a objetos com classes do Bioconductor

classe - define uma estrutura para armazenar dados complexos
objeto - uma instância específica de uma classe
métodos - funções que operam em uma classe específica
- getters/accessors - Obter dados armazenados em um objeto
- setters/ - Modificar dados armazenados em um objeto

install.packages("BiocManager")
BiocManager::install("Biobase")

Criar um objeto ExpressionSet

# Carregar pacote
library(Biobase)

# Criar objeto ExpressionSet
eset <- ExpressionSet(assayData = x,
                      phenoData = AnnotatedDataFrame(p),
                      featureData = AnnotatedDataFrame(f))

# Ver número de features (linhas) e amostras (colunas)
dim(eset)

Features  Samples 
   22283      344

?ExpressionSet

Acessar dados de um objeto ExpressionSet

Matriz de expressão

x <- exprs(eset)

Dados de features

f <- fData(eset)

Dados de fenótipo

p <- pData(eset)

Fazer subconjunto de um objeto ExpressionSet

Subconjunto com 3 objetos separados:

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[1:10, ]

Subconjunto com um objeto ExpressionSet:

eset_sub <- eset[1000, 1:10]

nrow(exprs(eset_sub)) == nrow(fData(eset_sub))

TRUE

ncol(exprs(eset_sub)) == nrow(pData(eset_sub))

TRUE

Boxplot com um ExpressionSet

boxplot(<y-axis> ~ <x-axis>, main = "<title>")
boxplot(<gene expression> ~ <phenotype>, main = "<feature>")

boxplot(exprs(eset)[1, ] ~ pData(eset)[, "er"],
        main = fData(eset)[1, "symbol"])

Vamos praticar!

Análise de Expressão Diferencial com limma em R