Учёт технических пакетных эффектов

Анализ дифференциальной экспрессии с помощью limma в R

John Blischak

Instructor

Что такое технические пакетные эффекты?

Каждая партия эксперимента немного отличается
Необходимо балансировать интересующие переменные между партиями
При правильном балансировании пакетные эффекты можно устранить

Диагностика технических пакетных эффектов

Методы снижения размерности:
- Метод главных компонент (PCA)
- Многомерное шкалирование (MDS)
Определяют наибольшие источники вариации в наборе данных
Связаны ли крупнейшие источники вариации с интересующими переменными или с пакетными эффектами?

plotMDS

library(limma)
plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

removeBatchEffect

exprs(eset) <- removeBatchEffect(eset, 
                  batch = pData(eset)[,"batch"],
                  covariates = pData(eset)[,"rin"])

plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

Обонятельные стволовые клетки

7 вариантов обработки, 4 партии
- Пакеты Bioconductor: HarmanData, Harman
- Osmond-McLeod et al. 2013, Oytam et al. 2016

table(pData(eset))

         batch
treatment b1 b2 b3 b4
       t1  1  1  1  1
       t2  1  1  1  1
       t3  1  1  1  1
       t4  1  1  1  1
       t5  1  1  1  1
       t6  1  1  1  1
       t7  1  1  1  1

Давайте потренируемся!

Анализ дифференциальной экспрессии с помощью limma в R