Gestire gli effetti di batch tecnici

Analisi dell'espressione differenziale con limma in R

John Blischak

Instructor

Che cosa sono gli effetti di batch tecnici?

Ogni batch di un esperimento è leggermente diverso
Serve bilanciare le variabili di interesse tra i batch
Se ben bilanciati, gli effetti di batch si possono rimuovere

Diagnosticare gli effetti di batch tecnici

Tecniche di riduzione della dimensione:
- Principal Components Analysis (PCA)
- MultiDimensional Scaling (MDS)
Individuano le maggiori fonti di variazione in un insieme di dati
Le principali variazioni sono correlate alle variabili di interesse o a effetti di batch tecnici?

plotMDS

library(limma)
plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

removeBatchEffect

exprs(eset) <- removeBatchEffect(eset, 
                  batch = pData(eset)[,"batch"],
                  covariates = pData(eset)[,"rin"])

plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

Cellule staminali olfattive

7 trattamenti, 4 batch
- Pacchetti Bioconductor: HarmanData, Harman
- Osmond-McLeod et al. 2013, Oytam et al. 2016

table(pData(eset))

         batch
treatment b1 b2 b3 b4
       t1  1  1  1  1
       t2  1  1  1  1
       t3  1  1  1  1
       t4  1  1  1  1
       t5  1  1  1  1
       t6  1  1  1  1
       t7  1  1  1  1

Esercitiamoci!

Analisi dell'espressione differenziale con limma in R