R實例:limma包分析Agilent 4x44K Arrays

目前網(wǎng)頁上常見的是使用Affy的包對Affymetrix的芯片分析教程台舱,而忽略了對其他平臺芯片分析绒北。limma包是一個針對芯片數(shù)據(jù)進行分析的R包话侧,支持不同平臺的芯片數(shù)據(jù)筹陵。

數(shù)據(jù)獲取:http://www.ebi.ac.uk/arrayexpress/experiments/E-GEOD-33005.
研究內(nèi)容:Effects of corn oil gavage on gene expression profiles of thymus in Wistar Rats

Download.png

下載上述兩個文件沿彭,其中sample and data relationship format (SDRF) 文件之后的用處等同于limma包中的targets文件(targets文件見下圖)

Targets文件(in Userguide).png
#讀取SDRF文件
SDRF <- read.delim("E-GEOD-33005.sdrf.txt",check.names=FALSE,stringsAsFactors=FALSE)
#查看SDRF中有哪些屬性朽砰,其中Array Data File是我們需要的
names(SDRF)
 [1] "Source Name"                            
 [2] "Comment [Sample_description]"           
 [3] "Comment [Sample_source_name]"           
 [4] "Characteristics[Organism]"              
 [5] "Term Source REF"                        
 [6] "Term Accession Number"                  
 [7] "Characteristics[age]"                   
 [8] "Characteristics[gender]"                
 [9] "Term Source REF"                        
[10] "Term Accession Number"                  
[11] "Characteristics[strain]"                
[12] "Term Source REF"                        
[13] "Term Accession Number"                  
[14] "Characteristics[tissue]"                
[15] "Term Source REF"                        
[16] "Term Accession Number"                  
[17] "Characteristics[treatment]"             
[18] "Protocol REF"                           
[19] "Term Source REF"                        
[20] "Protocol REF"                           
[21] "Term Source REF"                        
[22] "Protocol REF"                           
[23] "Term Source REF"                        
[24] "Extract Name"                           
[25] "Material Type"                          
[26] "Protocol REF"                           
[27] "Term Source REF"                        
[28] "Labeled Extract Name"                   
[29] "Label"                                  
[30] "Protocol REF"                           
[31] "Term Source REF"                        
[32] "Hybridization Name"                     
[33] "Array Design REF"                       
[34] "Term Source REF"                        
[35] "Protocol REF"                           
[36] "Term Source REF"                        
[37] "Protocol REF"                           
[38] "Term Source REF"                        
[39] "Protocol REF"                           
[40] "Term Source REF"                        
[41] "Array Data File"                        
[42] "Comment [ArrayExpress FTP file]"        
[43] "Protocol REF"                           
[44] "Term Source REF"                        
[45] "Normalization Name"                     
[46] "Derived Array Data File"                
[47] "Comment [Derived ArrayExpress FTP file]"
[48] "FactorValue [TREATMENT]"        
setwd("~/Downloads/agilent/E-GEOD-33005.raw.1")
#read.maimages中的source是指檢測芯片熒光值所用的儀器平臺而非芯片平臺,可以在https://www.ebi.ac.uk/arrayexpress/experiments/E-GEOD-33005/protocols/連接中查看
x <- read.maimages(SDRF[,"Array Data File"],source="agilent",green.only=TRUE)      
Read GSM819076_US10283824_252828210181_S01_GE1_107_Sep09_1_4.txt 
Read GSM819075_US10283824_252828210181_S01_GE1_107_Sep09_1_3.txt 
Read GSM819074_US10283824_252828210181_S01_GE1_107_Sep09_1_2.txt 
Read GSM819073_US10283824_252828210180_S01_GE1_107_Sep09_1_4.txt 
Read GSM819072_US10283824_252828210180_S01_GE1_107_Sep09_1_3.txt 
Read GSM819071_US10283824_252828210180_S01_GE1_107_Sep09_1_2.txt 
Read GSM819070_US10283824_252828210180_S01_GE1_107_Sep09_1_1.txt 
Read GSM819069_US10283824_252828210179_S01_GE1_107_Sep09_1_4.txt 
Read GSM819068_US10283824_252828210179_S01_GE1_107_Sep09_1_3.txt 
Read GSM819067_US10283824_252828210179_S01_GE1_107_Sep09_1_2.txt 
Read GSM819066_US10283824_252828210179_S01_GE1_107_Sep09_1_1.txt 
Read GSM819065_US10283824_252828210178_S01_GE1_107_Sep09_1_4.txt 
Read GSM819064_US10283824_252828210178_S01_GE1_107_Sep09_1_3.txt 
Read GSM819063_US10283824_252828210178_S01_GE1_107_Sep09_1_2.txt 
Read GSM819062_US10283824_252828210178_S01_GE1_107_Sep09_1_1.txt 
Read GSM819061_US10283824_252828210177_S01_GE1_107_Sep09_1_4.txt 
Read GSM819060_US10283824_252828210177_S01_GE1_107_Sep09_1_3.txt 
Read GSM819059_US10283824_252828210177_S01_GE1_107_Sep09_1_2.txt 
Read GSM819058_US10283824_252828210177_S01_GE1_107_Sep09_1_1.txt  
Source.png
#進行背景校正
y <- backgroundCorrect(x,method="normexp")
Array 1 corrected
Array 2 corrected
Array 3 corrected
Array 4 corrected
Array 5 corrected
Array 6 corrected
Array 7 corrected
Array 8 corrected
Array 9 corrected
Array 10 corrected
Array 11 corrected
Array 12 corrected
Array 13 corrected
Array 14 corrected
Array 15 corrected
Array 16 corrected
Array 17 corrected
Array 18 corrected
Array 19 corrected
#進行歸一化
y <- normalizeBetweenArrays(y,method="quantile")
#控制探針質(zhì)量去除低表達的探針:計算每張芯片中95%的 negative control probes喉刘,保留在至少四張芯片中比 negative control probes強度高10%以上的探針
neg95 <- apply(y$E[y$genes$ControlType==-1,],2,function(x) quantile(x,p=0.95))
cutoff <- matrix(1.1*neg95,nrow(y),ncol(y),byrow=TRUE)
isexpr <- rowSums(y$E > cutoff) >= 4
table(isexpr)
isexpr
FALSE  TRUE
11500 32754
#Regular probes are code as “0” in the ControlType column
y0 <- y[y$genes$ControlType==0 & isexpr,]

對芯片進行完前期處理后瞧柔,進一步進行基因差異的分析:

#獲取不同芯片的實驗處理
Treatment <- SDRF[,"Characteristics[treatment]"]
levels <- c("10 ml/kg saline","2 ml/kg corn oil","5 ml/kg corn oil","10 ml/kg corn oil")
Treatment <- factor(Treatment,levels=levels)
#制作treatment 的矩陣
design <- model.matrix(~Treatment)
fit <- lmFit(y0,design)
#貝葉斯校正
fit <- eBayes(fit,trend=TRUE)
plotSA(fit, main="Probe-level")
summary(decideTests(fit[,-1]))
  Treatment2 ml/kg corn oil Treatment5 ml/kg corn oil Treatment10 ml/kg corn oil
Down                           0                         0                        911
NotSig                     32723                     32723                      30063
Up                             0                         0                       1749
plotSA-Probe.png

根據(jù)上述分析發(fā)現(xiàn),only the 10 ml/kg treatment 與the saline control
有所不同睦裳。

同樣的分析造锅,但是是針對每個基因而不是探針:

yave <- avereps(y0,ID=y0$genes[,"SystematicName"])
fit <- lmFit(yave,design)
fit <- eBayes(fit,trend=TRUE)
plotSA(fit, main="Gene-level")
summary(decideTests(fit[,-1]))
   Treatment2 ml/kg corn oil Treatment5 ml/kg corn oil Treatment10 ml/kg corn oil
-1                         0                         0                        407
0                      19112                     19112                      17878
1                          0                         0                        827
plotSA-Gene.png

進一步導(dǎo)出比較差異的數(shù)據(jù):

tempOutput = topTable(fit, coef=1, n=Inf)
nrDEG = na.omit(tempOutput) 
#write.csv(nrDEG,"limma_notrend.results.csv",quote = F)
head(nrDEG)
  Row Col ControlType    ProbeName     SystematicName    logFC  AveExpr        t
NM_021264          177  40           0 A_64_P085690          NM_021264 17.35790 17.36775 519.4180
NM_212510           84  56           0 A_64_P074077          NM_212510 17.00460 17.00126 488.1011
NM_012876          187  12           0 A_64_P049933          NM_012876 17.12797 17.11662 486.5568
ENSRNOT00000030778  87  50           0 A_64_P296417 ENSRNOT00000030778 16.98037 16.97319 477.2043
XM_230930          363  34           0 A_44_P103028          XM_230930 17.09420 17.05256 468.9523
NM_001009239        92  25           0 A_64_P057441       NM_001009239 16.66621 16.68367 466.1435
                        P.Value    adj.P.Val        B
NM_021264          1.534832e-39 2.826651e-35 63.47183
NM_212510          4.779014e-39 2.826651e-35 63.32308
NM_012876          5.063788e-39 2.826651e-35 63.31506
ENSRNOT00000030778 7.218211e-39 2.826651e-35 63.26496
XM_230930          9.926515e-39 2.826651e-35 63.21847
NM_001009239       1.107768e-38 2.826651e-35 63.20214

保存的CSV文件如下:

geneexpression.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市廉邑,隨后出現(xiàn)的幾起案子哥蔚,更是在濱河造成了極大的恐慌,老刑警劉巖蛛蒙,帶你破解...
    沈念sama閱讀 217,277評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件糙箍,死亡現(xiàn)場離奇詭異,居然都是意外死亡牵祟,警方通過查閱死者的電腦和手機深夯,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評論 3 393
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來诺苹,“玉大人咕晋,你說我怎么就攤上這事◇菸玻” “怎么了捡需?”我有些...
    開封第一講書人閱讀 163,624評論 0 353
  • 文/不壞的土叔 我叫張陵办桨,是天一觀的道長筹淫。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么损姜? 我笑而不...
    開封第一講書人閱讀 58,356評論 1 293
  • 正文 為了忘掉前任饰剥,我火速辦了婚禮,結(jié)果婚禮上摧阅,老公的妹妹穿的比我還像新娘汰蓉。我一直安慰自己,他們只是感情好棒卷,可當我...
    茶點故事閱讀 67,402評論 6 392
  • 文/花漫 我一把揭開白布顾孽。 她就那樣靜靜地躺著,像睡著了一般比规。 火紅的嫁衣襯著肌膚如雪若厚。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,292評論 1 301
  • 那天蜒什,我揣著相機與錄音测秸,去河邊找鬼。 笑死灾常,一個胖子當著我的面吹牛霎冯,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播钞瀑,決...
    沈念sama閱讀 40,135評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼沈撞,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了仔戈?” 一聲冷哼從身側(cè)響起关串,我...
    開封第一講書人閱讀 38,992評論 0 275
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎监徘,沒想到半個月后晋修,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,429評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡凰盔,尸身上長有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...
    茶點故事閱讀 37,636評論 3 334
  • 正文 我和宋清朗相戀三年墓卦,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片户敬。...
    茶點故事閱讀 39,785評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡落剪,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出尿庐,到底是詐尸還是另有隱情忠怖,我是刑警寧澤,帶...
    沈念sama閱讀 35,492評論 5 345
  • 正文 年R本政府宣布抄瑟,位于F島的核電站凡泣,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜鞋拟,卻給世界環(huán)境...
    茶點故事閱讀 41,092評論 3 328
  • 文/蒙蒙 一骂维、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧贺纲,春花似錦航闺、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至懈叹,卻和暖如春福铅,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背项阴。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評論 1 269
  • 我被黑心中介騙來泰國打工滑黔, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人环揽。 一個月前我還...
    沈念sama閱讀 47,891評論 2 370
  • 正文 我出身青樓略荡,卻偏偏與公主長得像,于是被迫代替她去往敵國和親歉胶。 傳聞我的和親對象是個殘疾皇子汛兜,可洞房花燭夜當晚...
    茶點故事閱讀 44,713評論 2 354