超過兩組的研究

使用 R 中的 limma 進行差異表達分析

John Blischak

Instructor

三組研究範例

3 種不同白血病：ALL、AML、CML
- Bioconductor 套件：leukemiasEset
- Kohlmann 等（2008）、Haferlach 等（2010）

dim(eset)

Features  Samples
   20172       36

table(pData(eset)[, "type"])

ALL AML CML
 12  12  12

三組的組別平均模型

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

$\beta_1$－ALL 組的平均表現量
$\beta_2$－AML 組的平均表現量
$\beta_3$－CML 組的平均表現量
檢定：
- AML 對 ALL：$\beta_2 - \beta_1 = 0$
- CML 對 ALL：$\beta_3 - \beta_1 = 0$
- CML 對 AML：$\beta_3 - \beta_2 = 0$

三組的組別平均設計矩陣

design <- model.matrix(~0 + type, 
                       data = pData(eset))

head(design, 3)

          typeALL typeAML typeCML
sample_01       1       0       0
sample_02       1       0       0
sample_03       1       0       0

colSums(design)

typeALL typeAML typeCML
     12      12      12

三組的對比矩陣

AML 對 ALL：$\beta_2 - \beta_1 = 0$
CML 對 ALL：$\beta_3 - \beta_1 = 0$
CML 對 AML：$\beta_3 - \beta_2 = 0$

library(limma)
cm <- makeContrasts(AMLvALL = typeAML - typeALL,
                    CMLvALL = typeCML - typeALL,
                    CMLvAML = typeCML - typeAML,
                    levels = design)

cm

         Contrasts
Levels    AMLvALL CMLvALL CMLvAML
  typeALL      -1      -1       0
  typeAML       1       0      -1
  typeCML       0       1       1

三組檢定

library(limma)
# 配適係數
fit <- lmFit(eset, design)

# 套用對比
fit2 <- contrasts.fit(fit, contrasts = cm)

# 計算 t 統計量
fit2 <- eBayes(fit2)

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

   AMLvALL CMLvALL CMLvAML
-1     898    3401    1890
0    18323   13194   16408
1      951    3577    1874

低氧對幹細胞功能的影響

3 種氧氣濃度：1%、5%、21%
- Bioconductor 套件：stemHypoxia
- Prado-Lopez 等（2010）

dim(eset)

Features  Samples
   15325        6

table(pData(eset)[, "oxygen"])

ox01 ox05 ox21
   2    2    2

一起來練習吧！

使用 R 中的 limma 進行差異表達分析