limma中怎么实现两组间差异分析操作

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-3geneA 14  0  11  4  0  12geneB 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) >= 2y <- 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

# logCPMlogCPM <- cpm(dge, log=TRUE, prior.count=3)
# voomv <- 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，欢迎关注行业资讯频道。