按照字母排序驮瞧，誰排在后面誰是分子腊敲，排在前面為分母
GEO芯片分析中的大坑击喂，差異基因完全相反！
GEO的芯片分析碰辅，可以看一下這一篇懂昂。
最有誠意的GEO數(shù)據(jù)庫教程
GEO的芯片分析，一到了差異分析部分没宾，幾乎沒有懸念凌彬，因?yàn)槠渲械牟襟E都是limma包的作者定義的，我們沒有修改的空間循衰，這里面常見的坑就是铲敛，
差異分析的結(jié)果會(huì)完全相反，原本高表達(dá)的會(huì)變成低表達(dá)会钝。
不懂內(nèi)在邏輯的時(shí)候伐蒋，想要正確完全靠的是運(yùn)氣工三，主要看兩組的命名，比如先鱼，一個(gè)3vs3的實(shí)驗(yàn)俭正，我們的分組是這個(gè)樣子的。
group <- c(rep("con",3),rep("treat",3))
前面三個(gè)是control焙畔，后面三個(gè)是treat掸读。這時(shí)候，算出來的結(jié)果就是treat比上control宏多，沒有問題儿惫。因?yàn)槟J(rèn)情況下因子的排序是按照字母的前后順序排列的，control在treat之前伸但。
如果我們把兩組命名為肾请，cancer 和normal
group <- c(rep("cancer",3),rep("normal",3))
那么由于n在c的后面，所以最終的結(jié)果會(huì)變成normal比上cancer砌烁，所以的差異基因變化值都會(huì)相反筐喳。
如何 避免呢？這里要用到因子的排序函喉。只要每次在levels里面避归，把真實(shí)的對(duì)照組放在前面就可以了。
group <- c(rep("con",3),rep("treat",3))
group <- factor(group,levels = c("con","treat"),ordered = F)
換一個(gè)名字也是一樣的管呵，只要把對(duì)照組放在前面即可
group <- c(rep("treat",8),rep("vector",10))
group <- factor(group,levels = c("vector","treat"),ordered = F)
設(shè)置了分組后梳毙，接下來的操作是固定的
## 1.構(gòu)建比較矩陣design <- model.matrix(~group)## 比較矩陣命名colnames(design) <- levels(group)
design
#2.線性模型擬合
fit <- lmFit(exprSet,design)
#3.貝葉斯檢驗(yàn)
fit2 <- eBayes(fit)
最終只有輸出差異基因的時(shí)候要強(qiáng)調(diào)一下,coef要選擇2。
allDiff=topTable(fit2,adjust='fdr',coef=2,number=Inf)
其中捐下，group不一定是要很整齊的前面是對(duì)照账锹，后面是處理，樣本的順序可以是亂的坷襟。比如這一篇中的group也是可以的奸柬。
GEO的樣本名稱太多而且排序不規(guī)則，你們都是手動(dòng)分組的么婴程？
明天我們介紹一下limma包中的多組差異分析廓奕，三組并不需要算三次，一次就可以了档叔。
