तकनीकी बैच इफेक्ट्स का हिसाब

R में limma के साथ Differential Expression Analysis

John Blischak

Instructor

टेक्निकल बैच इफेक्ट्स क्या हैं?

किसी भी प्रयोग का हर बैच थोड़ा अलग होता है
रुचि के वैरिएबल्स को बैचों में संतुलित करें
सही संतुलन पर, बैच इफेक्ट्स हटाए जा सकते हैं

टेक्निकल बैच इफेक्ट्स की जाँच

डायमेंशन रिडक्शन तकनीकें:
- Principal Components Analysis (PCA)
- MultiDimensional Scaling (MDS)
डेटासेट में वैरिएशन के सबसे बड़े स्रोत पहचानें
क्या ये सबसे बड़े स्रोत रुचि के वैरिएबल्स से जुड़े हैं या तकनीकी बैच इफेक्ट्स से?

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")

Olfactory stem cells

7 ट्रीटमेंट्स, 4 बैच
- Bioconductor पैकेज: 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

अभ्यास करते हैं!

R में limma के साथ Differential Expression Analysis