Prise en compte des effets de lot techniques

Analyse d'expression différentielle avec limma dans R

John Blischak

Instructor

Qu'est-ce qu'un effet de lot technique ?

Chaque lot d'une expérience diffère légèrement
Il faut équilibrer les variables d'intérêt entre les lots
S'ils sont bien équilibrés, les effets de lot peuvent être retirés

Diagnostiquer les effets de lot techniques

Techniques de réduction de dimension :
- Principal Components Analysis (PCA)
- MultiDimensional Scaling (MDS)
Repèrent les plus grandes sources de variation d'un ensemble de données
Ces sources majeures sont-elles corrélées aux variables d'intérêt ou aux effets de lot techniques ?

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")

Cellules souches olfactives

7 traitements, 4 lots
- Forfaits Bioconductor : HarmanData, Harman
- Osmond‑McLeod et al. 2013, Oytam et al. 2016

table(pData(eset))

         lot
traitement 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

Passons à la pratique !

Analyse d'expression différentielle avec limma dans R