limma 包

在 R 中使用 limma 进行差异表达分析

John Blischak

Instructor

limma 包的优点

对成千上万基因逐个检验需要大量样板代码

pval <- numeric(length = nrow(x))
r2 <- numeric(length = nrow(x))
for (i in 1:nrow(x)) {
  mod <- lm(x[i, ] ~ p[, "er"])
  result <- summary(mod)
  pval[i] <- result$coefficients[2, 4]
  r2[i] <- result$r.squared
}

通过在基因间共享信息改进推断
提供大量预处理和后处理函数（综述见 Ritchie et al., 2015）

biocManager::install("limma")

指定线性模型

$$ Y = \beta_0 + \beta_1 X_1 + \epsilon $$

$Y$ - 基因的表达水平
$B_0$ - ER 阴性组的平均表达
$B_1$ - ER 阳性组的平均差异
$X_1$ - ER 状态：0 = 阴性，1 = 阳性
$\epsilon$ - 随机噪声

在 R 中指定线性模型

model.matrix(~<explanatory>, data = <data frame>)

design <- model.matrix(~er, data = pData(eset))

head(design, 2)

      (Intercept) erpositive
VDX_3           1          0
VDX_5           1          1

colSums(design)

(Intercept)  erpositive 
        344         209

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

negative positive 
     135      209

使用 limma 进行检验

library(limma)

# 拟合模型
fit <- lmFit(eset, design)

# 计算 t 统计量
fit <- eBayes(fit)

# 汇总结果
results <- decideTests(fit[, "er"])
summary(results)

   erpositive
-1       6276
0       11003
1        5004

让我们来练习！

在 R 中使用 limma 进行差异表达分析