ข้อมูล Differential Expression

การวิเคราะห์ Differential Expression ด้วย limma ใน R

John Blischak

Instructor

ข้อมูลการทดลอง

การศึกษามะเร็งเต้านม
- Bioconductor package "breastCancerVDX"
- ตีพิมพ์ใน Wang et al., 2005 และ Minn et al., 2007
- ผู้ป่วย 344 ราย: ER+ 209 ราย, ER- 135 ราย
การศึกษามะเร็งเม็ดเลือดขาวชนิด CLL
- Bioconductor package "CLL"
- Drs. Sabina Chiaretti และ Jerome Ritz
- ผู้ป่วย 22 ราย: คงที่ 8 ราย, ลุกลาม 14 ราย

ข้อมูลใน R

Expression matrix (x)
Feature data (f) - คุณสมบัติของ feature
Phenotype data (p) - คุณสมบัติของตัวอย่าง

Expression Matrix

แถว = features, คอลัมน์ = samples

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

Feature Data

แถว = features, คอลัมน์ = คุณสมบัติต่าง ๆ

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

Phenotype Data

แถว = samples, คอลัมน์ = คุณสมบัติต่าง ๆ

class(p)

"data frame"

dim(p)

344   3

# er = +/- for Estrogen Receptor
p[1:3, ]

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

แสดงผล Gene Expression ด้วย Boxplot

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

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

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

มาฝึกกันเถอะ!

การวิเคราะห์ Differential Expression ด้วย limma ใน R