Účtování technických dávkových efektů

Analýza diferenciální exprese pomocí limma v R

John Blischak

Instructor

Co jsou technické dávkové efekty?

  • Každá dávka experimentu je mírně odlišná

  • Proměnné zájmu je třeba vyvážit napříč dávkami

  • Při správném vyvážení lze dávkové efekty odstranit

Analýza diferenciální exprese pomocí limma v R

Diagnostika technických dávkových efektů

  • Techniky redukce dimenzí:

    • Analýza hlavních komponent (PCA)
    • Vícerozměrné škálování (MDS)

  • Identifikují největší zdroje variability v datové sadě

  • Jsou největší zdroje variability korelovány s proměnnými zájmu nebo technickými dávkovými efekty?

Analýza diferenciální exprese pomocí limma v R

plotMDS

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

Analýza diferenciální exprese pomocí limma v R

removeBatchEffect

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

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

Analýza diferenciální exprese pomocí limma v R

Čichové kmenové buňky

  • 7 ošetření, 4 dávky
    • Balíčky 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
Analýza diferenciální exprese pomocí limma v R

Pojďme si procvičit!

Analýza diferenciální exprese pomocí limma v R

Preparing Video For Download...