哈佛大学

2024-01-18 23:38| 来源: 网络整理| 查看: 265

文章目录学习目标探索结果（Wald test）指定的对比（Specifying contrasts）我选择什么作为base level有关系吗? 结果表 P值基因水平过滤（Gene-level filtering）倍数变化（Fold change）更准确的LFC估计 MA图

学习目标讨论为两两比较(Wald检验)生成结果表所需的步骤总结不同水平的基因过滤解释log倍数变化收缩（log fold change shrinkage）探索结果（Wald test）

默认情况下，DESeq2使用Wald检验来识别两个样本类之间差异表达的基因。考虑到设计公式中使用的因子，以及存在的因子水平的数量，我们可以提取一些不同比较的结果。在这里，我们将介绍如何从dds对象获取结果，并就如何解释这些结果提供一些解释。

注意:Wald检验也可以用于连续变量。如果在设计公式中提供的感兴趣的变量是连续值，那么报告的log2FoldChange 是该变量的每单位变化。

指定的对比（Specifying contrasts）

在我们的数据集中有三个样本类，所以我们可以进行三种可能的两两比较:

Control vs. Mov10 overexpression Control vs. Mov10 knockdown Mov10 knockdown vs. Mov10 overexpression

我们只对上面的第一条和第二条感兴趣。当我们创建dds对象时，我们提供了~ sampletype作为设计公式，表明sampletype是我们感兴趣的主要因素。为了指出我们想要比较的两个样本类别，我们需要指定对比（contrasts）。对比用作DESeq2 results()函数的输入，以提取所需的结果。对比可以用两种不同的方式来表示(第一种更常用):

对比可以作为一个字符向量，包含三个元素:设计公式中(感兴趣的)因素的名称，两个要比较的因素层次的名称。最后给出的因素水平是进行比较的基础水平。语法如下: # DO NOT RUN! contrast

【本文地址】

哈佛大学

哈佛大学

今日新闻

推荐新闻