Klasa ExpressionSet

Analiza różnicowej ekspresji genów z limma w R

John Blischak

Instructor

Zarządzanie danymi jest ryzykowne

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[1:10, ]

Jeden błędnie umieszczony przecinek może stać się koszmarem debugowania:

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[, 1:10]
# Oh no!   *

Programowanie obiektowe z klasami Bioconductor

klasa – definiuje strukturę do przechowywania złożonych danych
obiekt – konkretna instancja klasy
metody – funkcje działające na określonej klasie
- gettery/akcesory – pobierają dane przechowywane w obiekcie
- settery/ – modyfikują dane przechowywane w obiekcie

install.packages("BiocManager")
BiocManager::install("Biobase")

Tworzenie obiektu ExpressionSet

# Load package
library(Biobase)

# Create ExpressionSet object
eset <- ExpressionSet(assayData = x,
                      phenoData = AnnotatedDataFrame(p),
                      featureData = AnnotatedDataFrame(f))

# View the number of features (rows) and samples (columns)
dim(eset)

Features  Samples 
   22283      344

?ExpressionSet

Dostęp do danych z obiektu ExpressionSet

Macierz ekspresji

x <- exprs(eset)

Dane cech

f <- fData(eset)

Dane fenotypowe

p <- pData(eset)

Tworzenie podzbioru obiektu ExpressionSet

Podzbiór z 3 osobnymi obiektami:

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[1:10, ]

Podzbiór z obiektem ExpressionSet:

eset_sub <- eset[1000, 1:10]

nrow(exprs(eset_sub)) == nrow(fData(eset_sub))

TRUE

ncol(exprs(eset_sub)) == nrow(pData(eset_sub))

TRUE

Wykres pudełkowy z ExpressionSet

boxplot(<y-axis> ~ <x-axis>, main = "<title>")
boxplot(<gene expression> ~ <phenotype>, main = "<feature>")

boxplot(exprs(eset)[1, ] ~ pData(eset)[, "er"],
        main = fData(eset)[1, "symbol"])

Czas na ćwiczenia!

Analiza różnicowej ekspresji genów z limma w R