Урахування технічних пакетних ефектів

Аналіз диференційної експресії з limma в R

John Blischak

Instructor

Що таке технічні пакетні ефекти?

Кожна партія експерименту трохи відрізняється
Потрібно збалансувати змінні інтересу між партіями
Якщо баланс правильний, пакетні ефекти можна прибрати

Діагностика технічних пакетних ефектів

Методи зниження розмірності:
- Principal Components Analysis (PCA)
- MultiDimensional Scaling (MDS)
Визначають найбільші джерела варіації в наборі даних
Чи корелюють ці найбільші джерела варіації зі змінними інтересу чи з технічними пакетними ефектами?

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")

Нюхові стовбурові клітини

7 обробок, 4 партії
- Пакети Bioconductor: HarmanData, Harman
- Osmond-McLeod та ін., 2013; Oytam та ін., 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

Давайте потренуємось!

Аналіз диференційної експресії з limma в R