校正技術性批次效應

使用 R 中的 limma 進行差異表達分析

John Blischak

Instructor

什麼是技術性批次效應？

  • 實驗的每個批次都略有差異

  • 需要在各批次間平衡關注的變數

  • 若平衡得當，可移除批次效應

使用 R 中的 limma 進行差異表達分析

診斷技術性批次效應

  • 降維技術：

    • 主成分分析（PCA）
    • 多重尺度尺度（MDS）

  • 辨識資料集中最大的變異來源

  • 最大的變異來源是與關注變數相關，還是技術性批次效應？

使用 R 中的 limma 進行差異表達分析

plotMDS

library(limma)
plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

使用 R 中的 limma 進行差異表達分析

removeBatchEffect

exprs(eset) <- removeBatchEffect(eset, 
                  batch = pData(eset)[,"batch"],
                  covariates = pData(eset)[,"rin"])

plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

使用 R 中的 limma 進行差異表達分析

嗅覺幹細胞

  • 7 種處理、4 個批次
    • Bioconductor 套件：HarmanData、Harman
    • Osmond-McLeod 等人 2013、Oytam 等人 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
使用 R 中的 limma 進行差異表達分析

一起來練習吧！

使用 R 中的 limma 進行差異表達分析

Preparing Video For Download...