limma的坑

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。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末桌粉,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子衙四,更是在濱河造成了極大的恐慌铃肯,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,639評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件传蹈,死亡現(xiàn)場(chǎng)離奇詭異押逼,居然都是意外死亡步藕,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門宴胧,熙熙樓的掌柜王于貴愁眉苦臉地迎上來漱抓,“玉大人表锻,你說我怎么就攤上這事恕齐。” “怎么了瞬逊?”我有些...
    開封第一講書人閱讀 157,221評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵显歧,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我确镊,道長(zhǎng)士骤,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,474評(píng)論 1 283
  • 正文 為了忘掉前任蕾域,我火速辦了婚禮拷肌,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘旨巷。我一直安慰自己巨缘,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評(píng)論 6 386
  • 文/花漫 我一把揭開白布采呐。 她就那樣靜靜地躺著若锁,像睡著了一般。 火紅的嫁衣襯著肌膚如雪斧吐。 梳的紋絲不亂的頭發(fā)上又固,一...
    開封第一講書人閱讀 49,816評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音煤率,去河邊找鬼仰冠。 笑死,一個(gè)胖子當(dāng)著我的面吹牛蝶糯,可吹牛的內(nèi)容都是我干的洋只。 我是一名探鬼主播,決...
    沈念sama閱讀 38,957評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼裳涛,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼木张!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起端三,我...
    開封第一講書人閱讀 37,718評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤舷礼,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后郊闯,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體妻献,經(jīng)...
    沈念sama閱讀 44,176評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡蛛株,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了育拨。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片谨履。...
    茶點(diǎn)故事閱讀 38,646評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖熬丧,靈堂內(nèi)的尸體忽然破棺而出笋粟,到底是詐尸還是另有隱情,我是刑警寧澤析蝴,帶...
    沈念sama閱讀 34,322評(píng)論 4 330
  • 正文 年R本政府宣布害捕,位于F島的核電站,受9級(jí)特大地震影響闷畸,放射性物質(zhì)發(fā)生泄漏尝盼。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評(píng)論 3 313
  • 文/蒙蒙 一佑菩、第九天 我趴在偏房一處隱蔽的房頂上張望盾沫。 院中可真熱鬧,春花似錦殿漠、人聲如沸赴精。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽祖娘。三九已至,卻和暖如春啊奄,著一層夾襖步出監(jiān)牢的瞬間渐苏,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評(píng)論 1 266
  • 我被黑心中介騙來泰國打工菇夸, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留琼富,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,358評(píng)論 2 360
  • 正文 我出身青樓庄新,卻偏偏與公主長(zhǎng)得像鞠眉,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子择诈,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容