資料建模

使用 R 中的 limma 進行差異表達分析

John Blischak

Instructor

準備好開始分析

# 以基因型作為標籤繪製主成分
plotMDS(eset, labels = pData(eset)[, "genotype"], gene.selection = "common")
# 以處理條件作為標籤繪製主成分
plotMDS(eset, labels = pData(eset)[, "treatment"], gene.selection = "common")

使用 R 中的 limma 進行差異表達分析

差異表現分析步驟

  • 用 model.matrix 建立設計矩陣

  • 用 makeContrasts 建立對比矩陣

  • 用 lmFit、contrasts.fit、eBayes 測試對比

使用 R 中的 limma 進行差異表達分析

Doxorubicin 研究的組別平均模型

$$ Y = \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \epsilon $$

  • $\beta_1$－top2b 小鼠以 dox 處理的平均表現量
  • $\beta_2$－top2b 以 pbs 處理的平均表現量
  • $\beta_3$－wt 小鼠以 dox 處理的平均表現量
  • $\beta_4$－wt 小鼠以 pbs 處理的平均表現量
使用 R 中的 limma 進行差異表達分析

Doxorubicin 研究的對比

$\beta_1$ $\beta_2$ $\beta_3$ $\beta_4$
genotype top2b top2b wt wt
treatment dox pbs dox pbs

  • Response of wild type mice to dox treatment: $\beta_3 - \beta_4 = 0$

  • Response of Top2b null mice to dox treatment: $\beta_1 - \beta_2 = 0$

  • Differences between Top2b null and wild type mice in response to dox treatment: $(\beta_1 - \beta_2) - (\beta_3 - \beta_4) = 0$

使用 R 中的 limma 進行差異表達分析

測試 doxorubicin 研究

  • 用 lmFit 擬合模型係數

  • 用 contrasts.fit 擬合對比

  • 用 eBayes 計算 t 統計量 

# 摘要結果
results <- decideTests(fit2)
summary(results)

# 建立維恩圖
vennDiagram(results)
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...