limma 套件

使用 R 中的 limma 進行差異表達分析

John Blischak

Instructor

limma 套件的優點

要測試成千上萬基因，會寫出大量樣板程式碼

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
}

透過跨基因共享資訊來提升推論效能
提供許多前、後處理函式（總覽見 Ritchie 等，2015）

biocManager::install("limma")

指定線性模型

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

$Y$－基因的表現量
$B_0$－ER 陰性時的平均表現量
$B_1$－ER 陽性相對的平均表現差
$X_1$－ER 狀態：0 = 陰性，1 = 陽性
$\epsilon$－隨機雜訊

在 R 中指定線性模型

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

使用 limma 進行檢定

library(limma)

# 配適模型
fit <- lmFit(eset, design)

# 計算 t 統計量
fit <- eBayes(fit)

# 摘要結果
results <- decideTests(fit[, "er"])
summary(results)

   erpositive
-1       6276
0       11003
1        5004

一起來練習吧！

使用 R 中的 limma 進行差異表達分析