ExpressionSet 類別

使用 R 中的 limma 進行差異表達分析

John Blischak

Instructor

資料管理如履薄冰

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

一個逗號放錯，就會變成除錯惡夢：

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

使用 Bioconductor 類別的物件導向程式設計

class - 定義承載複雜資料的結構
object - 類別的具體實例
methods - 作用於特定類別的函式
- getters/accessors - 取得物件中儲存的資料
- setters/ - 修改物件中儲存的資料

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

建立 ExpressionSet 物件

# 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

從 ExpressionSet 物件存取資料

表現矩陣

x <- exprs(eset)

特徵資料

f <- fData(eset)

表現型資料

p <- pData(eset)

篩選 ExpressionSet 物件

用 3 個獨立物件篩選：

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

用一個 ExpressionSet 物件篩選：

eset_sub <- eset[1000, 1:10]

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

TRUE

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

TRUE

用 ExpressionSet 繪製箱形圖

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"])

一起來練習吧！

使用 R 中的 limma 進行差異表達分析