Données d'expression différentielle

Analyse d'expression différentielle avec limma dans R

John Blischak

Instructor

Les données expérimentales

Étude du cancer du sein
- Progiciel Bioconductor « breastCancerVDX »
- Publié dans Wang et al., 2005 et Minn et al., 2007
- 344 patient·e·s : 209 RE+, 135 RE-
Étude de la leucémie lymphoïde chronique (LLC)
- Progiciel Bioconductor « CLL »
- Dre Sabina Chiaretti et Dr Jerome Ritz
- 22 patient·e·s : 8 stables, 14 évolutifs

Données dans R

Matrice d'expression (x)
Données des caractéristiques (f) – attributs des caractéristiques
Données de phénotype (p) – attributs des échantillons

Matrice d'expression

lignes = caractéristiques, colonnes = échantillons

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

Données des caractéristiques

lignes = caractéristiques, colonnes = nombre quelconque d'attributs

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

Données de phénotype

lignes = échantillons, colonnes = nombre quelconque d'attributs

class(p)

"data frame"

dim(p)

344   3

# er = +/- pour récepteur aux estrogènes
p[1:3, ]

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

Visualiser l'expression génique avec un diagramme en boîtes

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

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

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

Passons à la pratique !

Analyse d'expression différentielle avec limma dans R