Dane dotyczące ekspresji różnicowej

Analiza różnicowej ekspresji genów z limma w R

John Blischak

Instructor

Dane eksperymentalne

Badanie raka piersi
- Pakiet Bioconductor „breastCancerVDX"
- Opublikowane w Wang et al., 2005 i Minn et al., 2007
- 344 pacjentów: 209 ER+, 135 ER-
Badanie przewlekłej białaczki limfocytowej (CLL)
- Pakiet Bioconductor „CLL"
- Dr Sabina Chiaretti i dr Jerome Ritz
- 22 pacjentów: 8 stabilnych, 14 z postępującą chorobą

Dane w R

Macierz ekspresji (x)
Dane cech (f) – atrybuty cech
Dane fenotypowe (p) – atrybuty próbek

Macierz ekspresji

wiersze = cechy, kolumny = próbki

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

Dane cech

wiersze = cechy, kolumny = dowolna liczba atrybutów

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

Dane fenotypowe

wiersze = próbki, kolumny = dowolna liczba atrybutów

class(p)

"data frame"

dim(p)

344   3

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

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

Wizualizacja ekspresji genów za pomocą wykresu pudełkowego

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

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

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

Czas na ćwiczenia!

Analiza różnicowej ekspresji genów z limma w R