limma पैकेज

R में limma के साथ Differential Expression Analysis

John Blischak

Instructor

limma पैकेज के फायदे

हजारों जीन टेस्ट करने पर बहुत सा बोइलरप्लेट कोड लगेगा

pval <- numeric(length = nrow(x))
r2 <- numeric(length = nrow(x))
for (i in 1:nrow(x)) {
  mod <- lm(x[i, ] ~ p[, "er"])
  result <- summary(mod)
  pval[i] <- result$coefficients[2, 4]
  r2[i] <- result$r.squared
}

जीनों के बीच जानकारी साझा कर इंफ़ेरेंस बेहतर होता है
प्री- और पोस्ट-प्रोसेसिंग के लिए कई फंक्शन (ओवरव्यू के लिए Ritchie et al., 2015 देखें)

biocManager::install("limma")

Linear मॉडल निर्दिष्ट करना

$$ Y = \beta_0 + \beta_1 X_1 + \epsilon $$

$Y$ - जीन की expression level
$B_0$ - ER-negative में औसत expression level
$B_1$ - ER-positive में expression level का औसत अंतर
$X_1$ - ER स्टेटस: 0 = negative, 1 = positive
$\epsilon$ - रैंडम noise

R में linear मॉडल निर्दिष्ट करना

model.matrix(~<explanatory>, data = <data frame>)

design <- model.matrix(~er, data = pData(eset))

head(design, 2)

      (Intercept) erpositive
VDX_3           1          0
VDX_5           1          1

colSums(design)

(Intercept)  erpositive 
        344         209

table(pData(eset)[, "er"])

negative positive 
     135      209

limma के साथ परीक्षण

library(limma)

# मॉडल फिट करें
fit <- lmFit(eset, design)

# t-statistics निकालें
fit <- eBayes(fit)

# परिणामों का सारांश
results <- decideTests(fit[, "er"])
summary(results)

   erpositive
-1       6276
0       11003
1        5004

अभ्यास करते हैं!

R में limma के साथ Differential Expression Analysis