유연한 선형 모델

R에서 limma로 하는 차등 발현 분석

John Blischak

Instructor

복잡한 연구 설계를 위한 모델

$$ Y = \beta_0 + \beta_1 X_1 + \epsilon $$

$\beta_0$ - ER 음성 그룹의 평균
$\beta_1$ - ER 양성 그룹의 평균 차이
검정: $\beta_1 = 0$

$$ Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \epsilon $$

$\beta_0$ - 그룹 1의 평균
$\beta_1$ - 그룹 2의 평균 차이
$\beta_2$ - 그룹 3의 평균 차이
검정: $\beta_1 = 0$, $\beta_2 = 0$, ???

그룹 평균 매개변수화

$$ Y = \beta_1 X_1 + \beta_2 X_2 + \epsilon $$

$\beta_1$ - ER 음성 그룹의 평균
$\beta_2$ - ER 양성 그룹의 평균
검정: $\beta_2 - \beta_1 = 0$

$$ Y = \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \epsilon $$

$\beta_1$ - 그룹 1의 평균
$\beta_2$ - 그룹 2의 평균
$\beta_3$ - 그룹 3의 평균
검정:
- $\beta_2 - \beta_1 = 0$
- $\beta_3 - \beta_1 = 0$
- $\beta_3 - \beta_2 = 0$

그룹 평균 디자인 행렬

design <- model.matrix(~0 + er, data = pData(eset))

head(design)

      ernegative erpositive
VDX_3          1          0
VDX_5          0          1
VDX_6          1          0
VDX_7          1          0
VDX_8          1          0
VDX_9          0          1

colSums(design)

ernegative erpositive 
       135        209

대비 행렬

library(limma)
cm <- makeContrasts(status = erpositive - ernegative,
                    levels = design)

cm

            Contrasts
Levels       status
  ernegative     -1
  erpositive      1

그룹 평균 매개변수화 검정

fit <- lmFit(eset, design)

head(fit$coefficients, 3)

          ernegative erpositive
1007_s_at  11.725148  11.823936
1053_at     8.126934   7.580204
117_at      7.972049   7.798623

fit2 <- contrasts.fit(fit, contrasts = cm)

head(fit2$coefficients, 3)

           Contrasts
                 status
  1007_s_at  0.09878782
  1053_at   -0.54673000
  117_at    -0.17342654

매개변수화 방식은 결과에 영향을 주지 않음

# Calculate the t-statistics
fit2 <- eBayes(fit2)

# Count the number of differentially expressed genes
results <- decideTests(fit2)
summary(results)

연습해 봅시다!

R에서 limma로 하는 차등 발현 분석