Dati di espressione differenziale

Analisi dell'espressione differenziale con limma in R

John Blischak

Instructor

I dati sperimentali

Studio sul tumore al seno
- Pacchetto Bioconductor "breastCancerVDX"
- Pubblicato in Wang et al., 2005 e Minn et al., 2007
- 344 pazienti: 209 ER+, 135 ER-
Studio sulla leucemia linfatica cronica (CLL)
- Pacchetto Bioconductor "CLL"
- Dott.sse/i Sabina Chiaretti e Jerome Ritz
- 22 pazienti: 8 stabili, 14 progressivi

Dati in R

Matrice di espressione (x)
Dati delle feature (f) - attributi delle feature
Dati fenotipici (p) - attributi dei campioni

Matrice di espressione

righe = feature, colonne = campioni

class(x)

"matrix"

dim(x)

22283   344

x[1:5, 1:5]

              VDX_3     VDX_5     VDX_6
1007_s_at 11.965135 11.798593 11.777625
1053_at    7.895424  7.885696  7.949535
117_at     8.259272  7.052025  8.225930

Dati delle feature

righe = feature, colonne = qualsiasi numero di attributi

class(f)

"data frame"

dim(f)

22283   3

f[1:3, ]

          symbol entrez   chrom
1007_s_at   DDR1    780  6p21.3
1053_at     RFC2   5982 7q11.23
117_at     HSPA6   3310    1q23

Dati fenotipici

righe = campioni, colonne = qualsiasi numero di attributi

class(p)

"data frame"

dim(p)

344   3

# er = +/- per Estrogen Receptor
p[1:3, ]

      id age       er
VDX_3  3  36 negative
VDX_5  5  47 positive
VDX_6  6  44 negative

Visualizzare l'espressione genica con un boxplot

boxplot(<y-axis> ~ <x-axis>, main = "<title>")

boxplot(<gene expression> ~ <phenotype>, main = "<feature>")

boxplot(x[1, ] ~ p[, "er"], main = f[1, "symbol"])

Esercitiamoci!

Analisi dell'espressione differenziale con limma in R