Данные о дифференциальной экспрессии

Анализ дифференциальной экспрессии с помощью limma в R

John Blischak

Instructor

Экспериментальные данные

Исследование рака молочной железы
- Пакет Bioconductor «breastCancerVDX»
- Опубликовано в Wang et al., 2005 и Minn et al., 2007
- 344 пациента: 209 ER+, 135 ER-
Исследование хронического лимфоцитарного лейкоза (CLL)
- Пакет Bioconductor «CLL»
- Д-р Сабина Кьяретти и д-р Джером Ритц
- 22 пациента: 8 стабильных, 14 прогрессирующих

Данные в R

Матрица экспрессии (x)
Данные о признаках (f) — атрибуты признаков
Данные о фенотипе (p) — атрибуты образцов

Матрица экспрессии

строки = признаки, столбцы = образцы

class(x)

"matrix"

dim(x)

22283   344

x[1:5, 1:5]

              VDX_3     VDX_5     VDX_6
1007_s_at 11.965135 11.798593 11.777625
1053_at    7.895424  7.885696  7.949535
117_at     8.259272  7.052025  8.225930

Данные о признаках

строки = признаки, столбцы = произвольные атрибуты

class(f)

"data frame"

dim(f)

22283   3

f[1:3, ]

          symbol entrez   chrom
1007_s_at   DDR1    780  6p21.3
1053_at     RFC2   5982 7q11.23
117_at     HSPA6   3310    1q23

Данные о фенотипе

строки = образцы, столбцы = произвольные атрибуты

class(p)

"data frame"

dim(p)

344   3

# er = +/- for Estrogen Receptor
p[1:3, ]

      id age       er
VDX_3  3  36 negative
VDX_5  5  47 positive
VDX_6  6  44 negative

Визуализация экспрессии генов с помощью boxplot

boxplot(<y-axis> ~ <x-axis>, main = "<title>")

boxplot(<gene expression> ~ <phenotype>, main = "<feature>")

boxplot(x[1, ] ~ p[, "er"], main = f[1, "symbol"])

Давайте потренируемся!

Анализ дифференциальной экспрессии с помощью limma в R