温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

limma中怎么实现两组间差异分析操作

发布时间:2021-08-12 16:54:19 来源:亿速云 阅读:277 作者:Leah 栏目:大数据

本篇文章为大家展示了limma中怎么实现两组间差异分析操作,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。

1.  读取文件

读取基因在所有样本中的表达量文件,示例如下

gene_id ctrl-1 ctrl-2 ctrl-3 case-1 case-2 case-3
geneA 14  0  11  4  0  12
geneB 125 401 442 175 59 200

每一行为一个基因,每一列代表一个样本。读取数据的代码如下

# 读取表达量的表格
counts <- read.table(
  "gene.counts.tsv",
  header=T,
  sep="\t",
  row.names=1,
  comment.char="",
  check.names=F)

# 设置样本分组
group <- factor(rep(c("control", "case"), each = 3))
design <- model.matrix(~group)

# 构建edgeR中的对象
library(edgeR)
y <- DGEList(counts=count)

之所以采用edgeR来读取数据,是为了方便后续的预处理和归一化。

2. 过滤count数很低的基因

和edgeR中的预处理过程类似,根据CPM表达量对基因进行过滤,代码如下

keep <- rowSums(cpm(y)>1) >= 2
y <- y[keep, , keep.lib.sizes=FALSE]
3. 归一化

默认采用TMM归一化算法,计算每个样本的 sizefactor, 代码如下

y <- calcNormFactors(y)
4. 表达量转换

在进行差异分析前,需要对表达量进行转换,有以下两种选择

  1. logCPM

  2. voom


第一种转换就是计算logCPM值,第二种转换适用于样本间sizaFactors差异较大的情况。转换的代码如下

# logCPM
logCPM <- cpm(dge, log=TRUE, prior.count=3)
# voom v <- voom(dge, design, plot=TRUE)
5. 差异分析

转换之后的表达量就可以进行差异分析了,代码如下

fit <- lmFit(logCPM, design)
fit <- eBayes(fit, trend=TRUE)
res<- topTable(fit, coef=ncol(design))

上述内容就是limma中怎么实现两组间差异分析操作,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注亿速云行业资讯频道。

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI