Пакет limma

Аналіз диференційної експресії з limma в R

John Blischak

Instructor

Переваги пакета limma

Тестування тисяч генів вимагало б багато шаблонного коду

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
}

Краще оцінювання завдяки обміну інформацією між генами
Багато функцій для пре- та постобробки (огляд див. у Ritchie et al., 2015)

biocManager::install("limma")

Задавання лінійної моделі

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

$Y$ — рівень експресії гена
$B_0$ — середній рівень експресії у ER-негативних
$B_1$ — середня різниця рівня експресії в ER-позитивних
$X_1$ — статус ER: 0 = негативний, 1 = позитивний
$\epsilon$ — випадковий шум

Задавання лінійної моделі в R

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

Тестування з limma

library(limma)

# Підігнати модель
fit <- lmFit(eset, design)

# Обчислити t-статистики
fit <- eBayes(fit)

# Підсумувати результати
results <- decideTests(fit[, "er"])
summary(results)

   erpositive
-1       6276
0       11003
1        5004

Давайте потренуємось!

Аналіз диференційної експресії з limma в R