微阵列基因表达数据分析中可能与设计矩阵有关的问题
微阵列基因表达数据分析中可能与设计矩阵有关的问题
提问于 2017-10-27 09:43:41
我对R相当陌生，最近开始使用它来分析一些微阵列数据。分析的总体目标是取DC2，并比较该人群中WT组与KO组之间的差异。但我遇到了一些问题，在角膜缘处理。在使用oligo软件包处理数据之后，我尝试创建一个设计矩阵，以便使用limma进行分析。这是我的ExpressionSet of DC2的工作流程：
pData(DC2)
index filename genotype cell_type
1 KO DC2 2 HP10.CEL KO DC2
2 KO DC2 3 HP11.CEL KO DC2
3 KO DC2 4 HP12.CEL KO DC2
1 WT DC2 10 HP7.CEL WT DC2
2 WT DC2 11 HP8.CEL WT DC2
3 WT DC2 12 HP9.CEL WT DC2
design <- model.matrix(~DC2$genotype)
design
(Intercept) DC2$genotypeWT
1 1 0
2 1 0
3 1 0
4 1 1
5 1 1
6 1 1
fit <- lmFit(DC2, design)
fit <- eBayes(fit)
toptable(fit)这就给出了如下基因列表：
logFC t P.Value adj.P.Val B
17551163 14.09722 208.2627 2.990326e-13 2.700912e-10 17.14467
17511316 13.91167 205.0811 3.292503e-13 2.700912e-10 17.12716
17551167 13.92093 204.5801 3.343243e-13 2.700912e-10 17.12434
17375373 13.76320 202.1271 3.605170e-13 2.700912e-10 17.11025
17550685 13.74022 201.5428 3.671032e-13 2.700912e-10 17.10682但是，当我使用以下代码手动检查它时(只需使用第一个特性)：
toptable(fit, n=1)
genename <- rownames(toptable(fit, n=1))
typeMean <- tapply(exprs(DC2)[genename,], DC2$genotype, mean)
typeMean["KO"] - typeMean["WT"]相同特性"17551163“的输出是不同的
KO
0.04538317 我试着四处寻找答案，但没有运气。我假设这可能和矩阵设计有关？任何帮助都将不胜感激。
谢谢
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-10-27 14:01:55
答案，对于那些不读下面的评论讨论的人来说。
在用lmFit和eBayes进行估计后，我们可以质疑我们在model.matrix步骤中提供的所有对比度之间的最高分化基因。
在这里，作者创建了如下设计：design <- model.matrix(~DC2$genotype)。请记住，(Intercept)是第一个系数，如果我们需要显式地说我们想要与DC2$genotype相关的对比度，那么调用应该是：
toptable(fit, coef = 2)当然，如果设计包含更多的对比，它们就会被指定为连续的自然数。
备注
如果我们想从设计design <- model.matrix(~ -1 + DC2$genotype)中删除截距；第一个系数现在是DC2$genotype。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/46972084
复制相关文章
相似问题
腾讯云开发者
