Клас ExpressionSet

Аналіз диференційної експресії з limma в R

John Blischak

Instructor

Керування даними — справа тонка

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[1:10, ]

Одна зайва або не там поставлена кома може перетворити налагодження на кошмар:

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[, 1:10]
# Oh no!   *

Об'єктно-орієнтоване програмування з класами Bioconductor

class — задає структуру для зберігання складних даних
object — конкретний екземпляр класу
methods — функції, що працюють із певним класом
- getters/accessors — отримують дані, збережені в об'єкті
- setters/ — змінюють дані, збережені в об'єкті

install.packages("BiocManager")
BiocManager::install("Biobase")

Створення об'єкта ExpressionSet

# Load package
library(Biobase)

# Create ExpressionSet object
eset <- ExpressionSet(assayData = x,
                      phenoData = AnnotatedDataFrame(p),
                      featureData = AnnotatedDataFrame(f))

# View the number of features (rows) and samples (columns)
dim(eset)

Features  Samples 
   22283      344

?ExpressionSet

Доступ до даних з об'єкта ExpressionSet

Матриця експресії

x <- exprs(eset)

Дані ознак

f <- fData(eset)

Дані фенотипів

p <- pData(eset)

Вибірка з об'єкта ExpressionSet

Вибірка з 3 окремих об'єктів:

x_sub <- x[1000, 1:10]
f_sub <- f[1000, ]
p_sub <- p[1:10, ]

Вибірка з об'єкта ExpressionSet:

eset_sub <- eset[1000, 1:10]

nrow(exprs(eset_sub)) == nrow(fData(eset_sub))

TRUE

ncol(exprs(eset_sub)) == nrow(pData(eset_sub))

TRUE

Boxplot з ExpressionSet

boxplot(<y-axis> ~ <x-axis>, main = "<title>")
boxplot(<gene expression> ~ <phenotype>, main = "<feature>")

boxplot(exprs(eset)[1, ] ~ pData(eset)[, "er"],
        main = fData(eset)[1, "symbol"])

Давайте потренуємось!

Аналіз диференційної експресії з limma в R