3グループ以上の研究

R での limma を用いた Differential Expression 解析

John Blischak

Instructor

3グループの研究

白血病の3種類：ALL、AML、CML
- Bioconductorパッケージ：leukemiasEset
- Kohlmann et al. 2008、Haferlach et al. 2010

dim(eset)

Features  Samples
   20172       36

table(pData(eset)[, "type"])

ALL AML CML
 12  12  12

3グループのグループ平均モデル

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

$\beta_1$ - グループALLの平均発現量
$\beta_2$ - グループAMLの平均発現量
$\beta_3$ - グループCMLの平均発現量
検定：
- AML対ALL：$\beta_2 - \beta_1 = 0$
- CML対ALL：$\beta_3 - \beta_1 = 0$
- CML対AML：$\beta_3 - \beta_2 = 0$

3グループのグループ平均デザイン行列

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

head(design, 3)

          typeALL typeAML typeCML
sample_01       1       0       0
sample_02       1       0       0
sample_03       1       0       0

colSums(design)

typeALL typeAML typeCML
     12      12      12

3グループのコントラスト行列

AML対ALL：$\beta_2 - \beta_1 = 0$
CML対ALL：$\beta_3 - \beta_1 = 0$
CML対AML：$\beta_3 - \beta_2 = 0$

library(limma)
cm <- makeContrasts(AMLvALL = typeAML - typeALL,
                    CMLvALL = typeCML - typeALL,
                    CMLvAML = typeCML - typeAML,
                    levels = design)

cm

         Contrasts
Levels    AMLvALL CMLvALL CMLvAML
  typeALL      -1      -1       0
  typeAML       1       0      -1
  typeCML       0       1       1

3グループの検定

library(limma)
# Fit coefficients
fit <- lmFit(eset, design)

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

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

# Summarize results
results <- decideTests(fit2)
summary(results)

   AMLvALL CMLvALL CMLvAML
-1     898    3401    1890
0    18323   13194   16408
1      951    3577    1874

低酸素が幹細胞機能に与える影響

酸素濃度3水準：1%、5%、21%
- Bioconductorパッケージ：stemHypoxia
- Prado-Lopez et al. 2010

dim(eset)

Features  Samples
   15325        6

table(pData(eset)[, "oxygen"])

ox01 ox05 ox21
   2    2    2

演習に進みましょう！

R での limma を用いた Differential Expression 解析