包含多个组的研究

在 R 中使用 limma 进行差异表达分析

John Blischak

Instructor

包含3个组的研究

3种白血病：ALL、AML、CML
- Bioconductor包：leukemiasEset
- Kohlmann 等，2008；Haferlach 等，2010

dim(eset)

Features  Samples
   20172       36

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

ALL AML CML
 12  12  12

3组的组均值模型

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

$\beta_1$ - ALL组的平均表达
$\beta_2$ - AML组的平均表达
$\beta_3$ - CML组的平均表达
检验：
- AML 对 ALL：$\beta_2 - \beta_1 = 0$
- CML 对 ALL：$\beta_3 - \beta_1 = 0$
- CML 对 AML：$\beta_3 - \beta_2 = 0$

3组的组均值设计矩阵

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组的对比矩阵

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

检验3个组

library(limma)
# 拟合系数
fit <- lmFit(eset, design)

# 拟合对比
fit2 <- contrasts.fit(fit, contrasts = cm)

# 计算t统计量
fit2 <- eBayes(fit2)

# 汇总结果
results <- decideTests(fit2)
summary(results)

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

低氧对干细胞功能的影响

3种氧水平：1%、5%、21%
- Bioconductor包：stemHypoxia
- Prado-Lopez 等，2010

dim(eset)

Features  Samples
   15325        6

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

ox01 ox05 ox21
   2    2    2

让我们练习！

在 R 中使用 limma 进行差异表达分析