GEO2R的limma差異分析流程【芯片microarray數(shù)據(jù)】附limma+RNAseq

參考學習GEO提供的GEO2R在線差異分析工具使用的代碼流程汉嗽。筆記里的代碼在理解每一步的基礎上谁榜,部分做了修改叉寂。但大致思路不變震糖,即使用limma包對芯片測序數(shù)據(jù)進行差異分析(暫未涉及可視化的代碼)女揭。

示例數(shù)據(jù)

  • GSE:GSE43760
  • Selected group design:
    (1)Disease:"GSM1070439","GSM1070441", "GSM1070443", "GSM1070445", "GSM1070447", "GSM1070449"
    (2)Normal:"GSM1070451", "GSM1070453", "GSM1070455", "GSM1070457", "GSM1070459", "GSM1070461"

分析流程Pipeline

Step 1 :下載表達矩陣等

library(GEOquery)
GSE=paste0("GSE","43760")
gset=getGEO(GSE, getGPL = F)
class(gset)
#"list"
length(gset)
#1
  • 如上有兩個注意點
    (1)設置不下載GPL注釋信息蚤假,因為此前以專門整理了該GPL平臺的基因注釋信息,節(jié)省時間吧兔。詳見之前得到筆記http://www.reibang.com/p/d89a25d43549磷仰;
    (2)初步下載的GSE對象格式之所以是list,是因為同一個GSE的samples可能分別在不同平臺(gpl)測序結(jié)果境蔼,對應list里的不同元素組成灶平。一般來說都是一個GSE對應一個GPL,但遇到多平臺情況箍土,需要注意自己選擇的樣本測序結(jié)果是什么平臺逢享,再進行選擇。
gset_sub=gset[[1]]
gset_sub
# ExpressionSet (storageMode: lockedEnvironment)
# assayData: 32968 features, 24 samples
# element names: exprs
# protocolData: none
# phenoData
# sampleNames: GSM1070439 GSM1070440 ... GSM1070462 (24 total)
# varLabels: title geo_accession ... treatment:ch1 (41 total)
# varMetadata: labelDescription
# featureData: none
# experimentData: use 'experimentData(object)'
# pubMedIds: 23771909
# Annotation: GPL6244

# Get GPL ID
gpl=unique(gset_sub@phenoData@data[,"platform_id"])
[1] "GPL6244"

#Get expression matrix
expr=gset_sub@assayData$exprs
#[1] 32968    24

#Get sample meta(optional)
meta=gset_sub@phenoData@data[,grep(":ch1",colnames(gset_sub@phenoData@data))]
#[1] "disease state:ch1" "gender:ch1"        "individual:ch1"
#[4] "time:ch1"          "tissue:ch1"        "treatment:ch1"

Step 2:表達矩陣與分組設計

  • 首先需要核對下吴藻,表達數(shù)據(jù)是否已經(jīng)經(jīng)過log轉(zhuǎn)換瞒爬;如果沒有則log轉(zhuǎn)換下。GEO2R通過下述代碼實現(xiàn)自動檢測沟堡。
qx <- as.numeric(quantile(expr, c(0., 0.25, 0.5, 0.75, 0.99, 1.0), na.rm=T))
LogC <- (qx[5] > 100) ||
  (qx[6]-qx[1] > 50 && qx[2] > 0)
if (LogC) { expr[which(expr <= 0)] <- NaN
    expr <- log2(expr) }
  • 然后根據(jù)選擇的分組取表達矩陣的子集
GSM_case=c("GSM1070439","GSM1070441", "GSM1070443", "GSM1070445", "GSM1070447", "GSM1070449")
GSM_normal=c("GSM1070451", "GSM1070453", "GSM1070455", "GSM1070457", "GSM1070459", "GSM1070461")

index_case=which(colnames(expr) %in% GSM_case)
index_control=which(colnames(expr) %in% GSM_normal)

expr_sle=expr[,c(index_case,index_control)]
  • 分組設計
groups=factor(c(rep(1,length(index_case)),rep(0,length(index_control))),
                levels=c(0,1),labels = c("normal","disease"))

Step 3:limma包差異分析

library(limma)
#首先設置分組矩陣侧但,指明所有sample的分組情況
design=model.matrix(~0+groups) 
colnames(design) <- levels(groups)
#      disease normal
# 1        0      1
# 2        0      1
# 3        0      1
# 4        0      1
# 5        0      1
# 6        0      1
# 7        1      0
# 8        1      0
# 9        1      0
# 10       1      0
# 11       1      0
# 12       1      0

#然后根據(jù)分組進行線性擬合
fit <- lmFit(expr_sle, design)

#需要進一步指明差異分析的比較為 disease組 VS normal組
cts <- paste("disease", "normal", sep="-") #注意順序:前者比上后者
cont.matrix <- makeContrasts(contrasts=cts, levels=design) #比較矩陣,指明哪兩組進行比較
fit2 <- contrasts.fit(fit, cont.matrix)

#最后得到差異分析結(jié)果
fit2 <- eBayes(fit2, 0.01)
tT <- topTable(fit2, adjust="fdr", sort.by="p",number=Inf)
head(tT)
#           logFC  AveExpr         t      P.Value    adj.P.Val        B
# 8107769 -0.8016667 9.627500 -6.764851 1.062535e-05 0.1905344 2.556737
# 7892531 -0.6966667 7.201667 -6.207964 2.611828e-05 0.1905344 1.959251
# 7894928 -0.7716667 6.700833 -6.123500 3.004739e-05 0.1905344 1.863787
# 7893992 -0.9983333 7.504167 -6.065703 3.309032e-05 0.1905344 1.797715
# 8012349 -1.3166667 8.798333 -5.915814 4.258809e-05 0.1905344 1.623514
# 8059996 -0.9233333 7.895000 -5.890448 4.445985e-05 0.1905344 1.593624

deg <- data.frame(Probe=rownames(tT),P.Value=tT[,"P.Value"],
                  logFC=tT[,"logFC"],FDR=tT[,"adj.P.Val"])

Step 4:結(jié)合GPL平臺信息注釋symbo基因名

gpl_anno=read.csv(paste0("/your path/to/GPL_array/",gpl,".csv"))
gpl_anno[,1]=as.character(gpl_anno[,1])
deg=dplyr::left_join(deg,gpl_anno[,-3],by=c("Probe"="ID"))
deg=na.omit(deg)
rownames(deg)=1:nrow(deg)
#    Probe      logFC    P.Value       FDR     Symbol
# 1 8107769 -0.8016667 -0.8016667 0.1905344    SLC12A2
# 2 8012349 -1.3166667 -1.3166667 0.1905344       PER1
# 3 8059996 -0.9233333 -0.9233333 0.1905344       PER2
# 4 7899018 -0.4683333 -0.4683333 0.1905344     TMEM57
# 5 7937696  0.7750000  0.7750000 0.2157829 KRTAP5-AS1
# 6 7897449 -0.4866667 -0.4866667 0.2164292      SPSB1

  • 以上是針對GEO2R里結(jié)合limma對芯片數(shù)據(jù)分析的方法航罗;
  • 如果是RNAseq的counts數(shù)據(jù)俊犯,則需要結(jié)合edgeR包的voom()函數(shù),總體思路不變(不需要考慮GPL的基因名注釋問題了)伤哺,相關(guān)代碼如下燕侠。
  • 示例數(shù)據(jù):GSE75852


#加載包
library(limma)
library(edgeR)
library(GEOquery)
library(data.table)
#下載數(shù)據(jù)
count_link="https://ftp.ncbi.nlm.nih.gov/geo/series/GSE75nnn/GSE75852/suppl/GSE75852_gene_count_frags.txt.gz"
# https://ftp.ncbi.nlm.nih.gov/geo/series/GSE112nnn/GSE112348/suppl/
counts=as.data.frame(fread(count_link))
colnames(counts)
counts[1:4,1:4]
#group分組
gset=getGEO("GSE75852",getGPL = F)
gsms=gset[[1]]@phenoData@data[,grep(":ch1",colnames(gset[[1]]@phenoData@data))]
index_case=which(gsms[,1]=="induced pluripotent stem cell" &
                            gsms[,2]=="Ataxia Telangiectasia")
index_control=which(gsms[,1]=="induced pluripotent stem cell" &
                            gsms[,2]=="Normal")

counts_sub=data.frame(counts[,c(index_case+1,index_control+1)],row.names=counts[,1])
groups=factor(c(rep(1,length(index_case)),rep(0,length(index_control))),
              levels=c(0,1),labels = c("normal","disease"))
design=model.matrix(~0+groups) 
colnames(design) <- levels(groups)
#limma+voom差異分析
v <- voom(counts_sub,design,normalize="quantile")
fit <- lmFit(v,design)
cts <- paste("disease", "normal", sep="-") 
cont.matrix <- makeContrasts(contrasts=cts, levels=design)
fit2 <- contrasts.fit(fit, cont.matrix)
fit2 <- eBayes(fit2, 0.01)
tT <- topTable(fit2, adjust="fdr", sort.by="p",number=Inf)
deg <- data.frame(Probe=rownames(tT),P.Value=tT[,"P.Value"],
                  logFC=tT[,"logFC"],FDR=tT[,"adj.P.Val"],AveExpr=tT[,"AveExpr"])
head(deg)
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立莉,隨后出現(xiàn)的幾起案子绢彤,更是在濱河造成了極大的恐慌,老刑警劉巖蜓耻,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件茫舶,死亡現(xiàn)場離奇詭異,居然都是意外死亡刹淌,警方通過查閱死者的電腦和手機饶氏,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 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有勾,“玉大人疹启,你說我怎么就攤上這事“ǎ” “怎么了喊崖?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我荤懂,道長茁裙,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 58,157評論 1 292
  • 正文 為了忘掉前任节仿,我火速辦了婚禮晤锥,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘廊宪。我一直安慰自己矾瘾,他們只是感情好,可當我...
    茶點故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布挤忙。 她就那樣靜靜地躺著霜威,像睡著了一般。 火紅的嫁衣襯著肌膚如雪册烈。 梳的紋絲不亂的頭發(fā)上戈泼,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天,我揣著相機與錄音赏僧,去河邊找鬼大猛。 笑死,一個胖子當著我的面吹牛淀零,可吹牛的內(nèi)容都是我干的挽绩。 我是一名探鬼主播,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼驾中,長吁一口氣:“原來是場噩夢啊……” “哼唉堪!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起肩民,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤唠亚,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后持痰,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體灶搜,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡,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 37,533評論 2 332
  • 正文 我和宋清朗相戀三年工窍,在試婚紗的時候發(fā)現(xiàn)自己被綠了割卖。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡患雏,死狀恐怖鹏溯,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情纵苛,我是刑警寧澤剿涮,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布言津,位于F島的核電站攻人,受9級特大地震影響取试,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜怀吻,卻給世界環(huán)境...
    茶點故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一瞬浓、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧蓬坡,春花似錦猿棉、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至兆龙,卻和暖如春杖爽,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背紫皇。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工慰安, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人聪铺。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓化焕,卻偏偏與公主長得像,于是被迫代替她去往敵國和親铃剔。 傳聞我的和親對象是個殘疾皇子撒桨,可洞房花燭夜當晚...
    茶點故事閱讀 44,577評論 2 353

推薦閱讀更多精彩內(nèi)容