专栏首页生信补给站差异分析|DESeq2完成配对样本的差异分析

差异分析|DESeq2完成配对样本的差异分析

本文为群中小伙伴进行的一次差异分析探索的记录。

前段时间拿到一个RNA-seq测序数据(病人的癌和癌旁样本,共5对)及公司做的差异分析结果(1200+差异基因),公司告知用的是配对样本的DESeq分析。

考虑到平时limma和DESeq2包进行差异分析时没有特别注明是否配对,这配对和非配对有啥区别呢?

于是分别尝试使用limma和DESeq2包的非配对分析,发现得到的差异基因和公司的差距很大。我查了好多关于RNA-seq配对分析的资料,发现几乎没有这方面的帖子。

询问公司DESeq配对分析的代码,公司说保密不能给,此外公司还告知现在的配对样本的分析都改用了DESeq2。好吧,那就只能自己动手,以下为探索过程的一个记录。

一 载入R包,数据

# 加载包
library(openxlsx)
library(DESeq2)
library(limma)
library(edgeR)

1.读入原始数据及分组信息

rowdata <- read.xlsx("Count_data.xlsx",sheet = 1,rowNames = T)
gset <- rowdata[rowMeans(rowdata)>0,] # 剔除表达量低的基因

group_list <- c(rep("case",5), rep("control",5)) 
group_list <- factor(group_list,levels = c("control","case"))

二 limma包进行差异分析

## 2.1表达矩阵
data = gset

## 2.2分组矩阵
design <- model.matrix(~0+group_list)
rownames(design) = colnames(data)
colnames(design) <- levels(group_list)

## 2.3差比表达矩阵构建,并过滤
DGElist <- DGEList( counts = data, group = group_list)
keep <- rowSums(cpm(DGElist) > 0.5 ) >=2 
table(keep) 
# FALSE 2443 TRUE 15909

DGElist_QC <- DGElist[keep, ,keep.lib.sizes=FALSE] 
dim(DGElist) 
# 18352 10 过滤前

dim(DGElist_QC)
# 15909 10过滤后

## 2.4归一化基因表达分布

DGElist_norm <- calcNormFactors(DGElist_QC, method = "TMM")
DGElist_norm$samples$norm.factors # 查看每个样品归一化后的系数
DGElist_QC$samples$norm.factors #未归一化之前的样本系数,都是1

## 2.5 limma包进行voom函数
v <- voom(DGElist_norm, design, plot = TRUE, normalize = "quantile")
fit <- lmFit(v, design)
cont.matrix <- makeContrasts(contrasts = c('case-control'), levels = design)
fit2 <- contrasts.fit(fit, cont.matrix)
fit2 <- eBayes(fit2)

## 2.6提取差异矩阵
nrDEG_limma_voom = topTable(fit2, coef = "case-control", n = Inf)
nrDEG_limma_voom = na.omit(nrDEG_limma_voom)
nrDEG_limma_voom = nrDEG_limma_voom[order(nrDEG_limma_voom$logFC),] 

## 2.7 定义差异基因
nrDEG <- nrDEG_limma_voom
nrDEG$Group = "notsignificant"

logFC_cutoff <- 0.6 # 定义差异基因的标准,自定义

nrDEG$Group [which( (nrDEG$P.Value < 0.05) & (nrDEG$logFC > logFC_cutoff) )] = "upregulated"
nrDEG$Group [which( (nrDEG$P.Value < 0.05) & (nrDEG$logFC < -logFC_cutoff) )] = "downregulated"

table(nrDEG$Group)

可以看到只有67个下调的33个上调的,火山图不好看,而且根本没法继续做GO和KEGG分析。

OK,尝试使用DESeq2包的非配对差异分析。

三 DESeq2进行差异分析

## 3.1表达矩阵
data = apply(gset, 2, as.integer) ## DESeq2分析需要是整数
row.names(data) <- row.names(gset)

## 3.2分组矩阵
condition = group_list
coldata <- data.frame(row.names = colnames(data), condition)

dds <- DESeqDataSetFromMatrix(countData = data,
                              colData = coldata,
                              design = ~condition)

dds$condition<- relevel(dds$condition, ref = "control") # 指定哪一组作为对照组

## 3.3差异表达矩阵

dds <- DESeq(dds)  
nrDEG_DESeq2 <- as.data.frame(results(dds))
nrDEG_DESeq2 = nrDEG_DESeq2[order(nrDEG_DESeq2$log2FoldChange),] 

## 3.4定义差异基因
nrDEG <- nrDEG_DESeq2
nrDEG$Group = "notsignificant"
logFC_cutoff <- 0.6

nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange > logFC_cutoff) )] = "upregulated"
nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange < -logFC_cutoff) )] = "downregulated"

table(nrDEG$Group)

可以看到常规的DESeq2分析比limma voom分析多了一些差异基因,但是和公司给的1200+的差异基因还是差远了。

发现差异之后开始了检索和求助之旅,查了很多帖子,也求助了一些大神,似乎很少人注意过DESeq2包做配对的差异分析。

讨论群中小伙伴贴了limma进行配对分析的方式,于是我去查阅了DESeq2的说明书,可以看到说明书就这么一句话:

剩下的事情就简单了,依此修改后,DESeq2包成功做出了配对差异分析,复现了公司的结果。好了,下面就是使用DESeq2包完成配对差异分析的代码了,自取!

四 DESeq2配对差异分析

## 4.1表达矩阵

data = apply(gset, 2, as.integer) ## DESeq2分析需要是整数
row.names(data) <- row.names(gset)

## 4.2分组矩阵,配对分析与常规分析最大的区别就在分组矩阵

condition = group_list
# 配对分析要加上这段代码,知道谁和谁是一对,比如1,1是一对,5,5是一对
subject <- factor(c(1,2,3,4,5,1,2,3,4,5))  

coldata <- data.frame(row.names = colnames(data), condition)

# 注意在design中加上配对信息
dds <- DESeqDataSetFromMatrix(countData = data,
                              colData = coldata,
                              design = ~subject +condition) 

dds$condition<- relevel(dds$condition, ref = "control") 

## 4.3差异表达矩阵,还是和常规分析一样

dds <- DESeq(dds)
nrDEG_DESeq2 <- as.data.frame(results(dds))
rld <- rlog(dds)
# 这里我还提取了标准化后的表达矩阵,可以用于后续的热图绘制等等
normal_gset <- assay(rld) 
nrDEG_DESeq2 = nrDEG_DESeq2[order(nrDEG_DESeq2$log2FoldChange),] 

## 4.4定义差异基因

nrDEG <- nrDEG_DESeq2
nrDEG$Group = "notsignificant"

logFC_cutoff <- 0.6
nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange > logFC_cutoff) )] = "upregulated"
nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange < -logFC_cutoff) )] = "downregulated"

table(nrDEG$Group)

此时终于成功得到了1200+的差异基因,通过对比公司的分析结果和我做的结果,几乎完成了复现。有一点区别在于我做了一些低表达基因的过滤,导致log2Foldchang和pvalue略微有些变化,但这区别可以忽略不计。

总结来说,由于算法的不同,不同差异分析的R包得到的差异基因数量不完全一致。重要的是,针对配对的样本,如果不进行配对分析而用常规的差异分析,这样的结果可能会大不相同。因此,在分析数据的时候,一定要明白实验设计

最后,我还发现有意思的一个情况。在进行clusterProfilerR包的GSEA分析的时候,我用非配对分析得到的log2FoldChang出的GSEA结果,和配对分析得到的log2FoldChang出的GSEA结果几乎是一致的,尽管两种分析方法得到的log2FoldChang有很大差别。

本文分享自微信公众号 - 生信补给站(Bioinfo_R_Python),作者:生信补给站

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2021-02-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • DESeq2差异表达分析

    在前文scRNA-seq marker identification(二),我们我们提到了差异分析,下面我们来详细了解下

    生信技能树jimmy
  • DESeq2差异表达分析(二)

    DESeq2工作流程的下一步是QC,它包括样本级和基因级的步骤,对计数数据执行QC检查,以帮助我们确保样本/重复 看起来很好。

    生信技能树jimmy
  • DESeq2转录组差异表达分析实例

    使用library(DESeq2)加载的时候遇到报错 :载入了名字空间‘rlang’ 0.4.0,但需要的是>= 0.4.2 解决办法:将rlang包手动删除...

    用户7010445
  • 使用DESeq2进行两组间的差异分析

    DESeq2 接受raw count的定量表格,然后根据样本分组进行差异分析,具体步骤如下

    生信修炼手册
  • DESeq2差异基因分析和批次效应移除

    生信宝典
  • 基因芯片数据分析(八):DESeq2差异分析实战案例

    基因芯片数据分析(六):DESeq2包的基本原理 我们接下来通过一个案例介绍利用edgeR进行差异分析。

    DoubleHelix
  • 转录组分析 | 使用DESeq2进行基因差异表达分析

    通过RSEM我们获取了样本中每个基因的counts和表达量,接下来使用tximport校正不同样本间基因长度的差异。

    生信小王子
  • 不编程就能完成差异表达分析

    上几周,生信技能树的元老级人物果子发了一篇重量级文章数据库一网打尽:不会编程又怎样,还不照样拿课题发文章! 阅读量逼近4000,还超过了Jimmy的署名文一个全...

    生信技能树
  • 比较不同流程(limma/voom,edgeR,DESeq2 )差异分析的区别

    距离第一次听说生信已经十几年了,现在是邋遢大叔重新开始学代码,精力确实已不像从前,各位入坑还是要乘早。后来约莫在5年前,课题组当时有个RNA-Seq数据,lab...

    生信技能树

扫码关注云+社区

领取腾讯云代金券