ExpressionSet 类

在 R 中使用 limma 进行差异表达分析

John Blischak

Instructor

数据管理很脆弱

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

一个逗号放错位置，可能让调试变成噩梦：

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

使用 Bioconductor 类进行面向对象编程

class（类）- 定义承载复杂数据的结构
object（对象）- 类的具体实例
methods（方法）- 作用于特定类的函数
- getters/accessors（读取器/访问器）- 获取对象中存储的数据
- setters（设置器）- 修改对象中存储的数据

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

创建 ExpressionSet 对象

# 载入包
library(Biobase)

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

# 查看特征（行）和样本（列）数量
dim(eset)

Features  Samples 
   22283      344

?ExpressionSet

从 ExpressionSet 对象访问数据

表达矩阵

x <- exprs(eset)

特征数据

f <- fData(eset)

表型数据

p <- pData(eset)

为 ExpressionSet 对象取子集

用3个独立对象取子集：

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

用一个 ExpressionSet 取子集：

eset_sub <- eset[1000, 1:10]

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

TRUE

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

TRUE

使用 ExpressionSet 的箱线图

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"])

Passons à la pratique !

在 R 中使用 limma 进行差异表达分析