การจัดการกับ technical batch effects

การวิเคราะห์ Differential Expression ด้วย limma ใน R

John Blischak

Instructor

Technical batch effects คืออะไร?

การทดลองแต่ละชุดมีความแตกต่างกันเล็กน้อย
ต้องสมดุลตัวแปรที่สนใจในแต่ละชุด
หากสมดุลได้ถูกต้อง สามารถกำจัด batch effects ได้

การวินิจฉัย technical batch effects

เทคนิคลดมิติข้อมูล:
- Principal Components Analysis (PCA)
- MultiDimensional Scaling (MDS)
ระบุแหล่งความแปรปรวนที่ใหญ่ที่สุดในชุดข้อมูล
แหล่งความแปรปรวนเหล่านั้นสัมพันธ์กับตัวแปรที่สนใจหรือ technical batch effects?

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")

เซลล์ต้นกำเนิดรับกลิ่น

7 treatments, 4 batches
- แพ็กเกจ Bioconductor: 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

มาฝึกกันเถอะ!

การวิเคราะห์ Differential Expression ด้วย limma ใน R