用limma包的voom方法来做RNA |
您所在的位置:网站首页 › normalizebetweenarrays函数功能 › 用limma包的voom方法来做RNA |
大家都知道,这十几年来最流行的差异分析软件就是R的limma包了,但是它以前只支持microarray的表达数据。 考虑到大家都熟悉了它,它又发了一个voom的方法,让它从此支持RNA-seq的count数据啦!大家都知道芯片数据跟RNA-seq数据的本质就是value的分布不一样,所以各种针对RNA-seq的差异分析包也就是提出来一个新的normalization方法而已。而我们limma本身就提出了一个voom的方法来对RNA-seq数据进行normalization 使用这个包也需要三个数据: 表达矩阵分组矩阵差异比较矩阵用法与limma一模一样的,只是多了一个normalization而已。 读取自己的数据一般我们会自己读取表达矩阵和分组信息,下面是一个例子: options(warn=-1) suppressMessages(library(DESeq2)) suppressMessages(library(limma)) suppressMessages(library(pasilla)) data(pasillaGenes) exprSet=counts(pasillaGenes) head(exprSet) ##表达矩阵如下## treated1fb treated2fb treated3fb untreated1fb untreated2fb ## FBgn0000003 0 0 1 0 0 ## FBgn0000008 78 46 43 47 89 ## FBgn0000014 2 0 0 0 0 ## FBgn0000015 1 0 1 0 1 ## FBgn0000017 3187 1672 1859 2445 4615 ## FBgn0000018 369 150 176 288 383 ## untreated3fb untreated4fb ## FBgn0000003 0 0 ## FBgn0000008 53 27 ## FBgn0000014 1 0 ## FBgn0000015 1 2 ## FBgn0000017 2063 1711 ## FBgn0000018 135 174group_list=pasillaGenes$condition## [1] treated treated treated untreated untreated untreated untreated ## Levels: treated untreated ##这是分组信息,7个样本,3个处理的,4个未处理的对照!另外一个例子是从airway里面得到表达矩阵和分组信息 library(airway) data(airway) exprSet=assays(airway)$counts ## 表达矩阵 group_list=colData(airway)$dex ## 分组信息第一步:构建分组矩阵 suppressMessages(library(limma)) design |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |