前端之家

  1. 首页
  2. 问答

比较三组配对数据和limma。如何进行配对设计

• 问答

所以我正在使用r，并带有Bioconductor（oligo），（limma）软件包来分析一些微阵列数据。

配对分析时遇到问题。

这是我的表型数据

ph @ data ph@data index filename group WT1 WT WT1 WT WT2 WT WT2 WT WT3 WT WT3 WT WT4 WT WT4 WT LT1 LT LT1 LT LT2 LT LT2 LT LT3 LT LT3 LT LT4 LT LT4 LT TG1 TG TG1 TG TG2 TG TG2 TG TG3 TG TG3 TG TG4 TG TG4 TG

为了分析，我编写了这段代码：

colnames(ph@data)[2]="source"
ph@data
groups = ph@data$source
f = factor(groups,levels = c("WT","LT","TG"))
design = model.matrix(~ 0 + f) 
colnames(design)=c("WT","TG")
design
data.fit = lmFit(normData,design)

> design
   WT LT TG
1   1  0  0
2   1  0  0
3   1  0  0
4   1  0  0
5   0  1  0
6   0  1  0
7   0  1  0
8   0  1  0
9   0  0  1
10  0  0  1
11  0  0  1
12  0  0  1
attr(,"assign")
[1] 1 1 1
attr(,"contrasts")
attr(,"contrasts")$f
[1] "contr.treatment"

然后我起诉这以便在我的小组之间进行比较：

contrast.matrix = makeContrasts(LT-WT,TG-WT,LT-TG,levels=design) data.fit.con = contrasts.fit(data.fit,contrast.matrix) data.fit.eb = eBayes(data.fit.con)

所以毕竟，我想比较我的组：

ph@data[,2] = c("control","control","littermate","transgenic","transgenic")
colnames(ph@data)[2]="Treatment"
ph@data[,3] = c("B1","B2","B3","B4","B1","B4")
colnames(ph@data)[3]="BioRep"
ph@data```

groupsB = ph@data$BioRep 
groupsT = ph@data$Treatment
fb = factor(groupsB,levels=c("B1","B4"))
ft = factor(groupsT,levels=c("control","transgenic"))```

paired.design = (~ fb + ft)

所以现在我的phenoData看起来像这样：

    index  Treatment BioRep
WT1    WT    control     B1
WT2    WT    control     B2
WT3    WT    control     B3
WT4    WT    control     B4
LT1    LT littermate     B1
LT2    LT littermate     B2
LT3    LT littermate     B3
LT4    LT littermate     B4
TG1    TG transgenic     B1
TG2    TG transgenic     B2
TG3    TG transgenic     B3
TG4    TG transgenic     B4```

B1是生物复制品，那么我是野生型，同窝和转基因的组

为了比较我的样品，我正在尝试

colnames(paired.design)=c("Intercept","B4vsB1","B3vsB1","B2vsB1","B4vsB2","B3vsB2","B4vsB3","littermatevscontrol","transgenicvscontrol")

但是后来我得到了这个错误： Error in `colnames<-`(`*tmp*`,value = c("Intercept","WTvsLT","WTvsTG",: attempt to set 'colnames' on an object with less than two dimensions

我做错了什么，这是比较我的数据的正确方法吗？

data.fit = lmFit(data.rma,paired.design)
data.fit$coefficients
aishine 回答：比较三组配对数据和limma。如何进行配对设计

由于没有您的数据，我进行了ft和fb的操作：

fb <- structure(c(1L,2L,3L,4L,1L,4L),.Label = c("B1","B2","B3","B4"),class = "factor")

ft <- structure(c(1L,3L),.Label = c("control","littermate","transgenic"),class = "factor")

此行中有一个错字：

paired.design = (~ fb + ft)
dim(paired.design)
NULL

应该是：

paired.design = model.matrix(~ fb + ft)
head(paired.design)
  (Intercept) fbB2 fbB3 fbB4 ftlittermate fttransgenic
1           1    0    0    0            0            0
2           1    1    0    0            0            0

如果您查看model.matrix，它有6列，这不是您要分配的。因此，当您指定~ fb + ft时，将选择因子的第一级作为参考，并且您会发现其他级的相关影响。例如，对于fb，B1是参考，您可以估计B2，B3，B4的效果。

要进行成对比较，对于所有内容与参考，您只需要指定列本身即可，例如，对于B4与B1，它就是fbB4，因为B4是针对B1估算的。对于其他用户，您可以像以前一样指定“-”：

contrast.matrix = makeContrasts(fbB4,fbB3,fbB2,fbB4-fbB2,fbB3-fbB2,fbB4-fbB3,ftlittermate,fttransgenic,levels=paired.design)

现在，我们可以根据需要分配col名称：

colnames(contrast.matrix) <-c("B4vsB1","B3vsB1","B2vsB1","B4vsB2","B3vsB2","B4vsB3","littermatevscontrol","transgenicvscontrol")

我为normData模拟了一些数据以适合模型和对比：

set.seed(100)
normData = matrix(rpois(100*12,100),100,12)
data.fit = lmFit(normData,paired.design)
data.fit.con = contrasts.fit(data.fit,contrast.matrix)

注意，有一个警告：

Warning message:
In contrasts.fit(data.fit,contrast.matrix) :
  row names of contrasts don't match col names of coefficients

因为“（拦截）”已重命名为“拦截”。

然后您可以查看data.fit.con下的系数，以查看所做比较的倍数变化

  Contrasts
           B4vsB1    B3vsB1      B2vsB1     B4vsB2     B3vsB2     B4vsB3
  [1,]  14.333333 11.000000   5.0000000   9.333333   6.000000   3.333333
  [2,]  -3.333333  2.000000   7.0000000 -10.333333  -5.000000  -5.333333
  [3,]   3.666667 -2.666667   6.3333333  -2.666667  -9.000000   6.333333
  [4,] -22.666667 -1.666667 -10.3333333 -12.333333   8.666667 -21.000000
  [5,]  -8.333333 -3.666667   8.3333333 -16.666667 -12.000000  -4.666667
  [6,]  15.333333 -5.666667  -0.3333333  15.666667  -5.333333  21.000000
      Contrasts
       littermatevscontrol transgenicvscontrol
  [1,]                1.25               -7.50
  [2,]                3.50               10.50
  [3,]               -3.75                2.75
  [4,]                7.75               14.00
  [5,]               16.75               -2.50
  [6,]                2.00                9.50

您可以对原始拟合系数进行交叉检查，以查看正确的对比度：

head(data.fit$coefficients)
     (Intercept)        fbB2      fbB3       fbB4 ftlittermate fttransgenic
[1,]    95.41667   5.0000000 11.000000  14.333333         1.25        -7.50
[2,]    94.33333   7.0000000  2.000000  -3.333333         3.50        10.50
[3,]    97.66667   6.3333333 -2.666667   3.666667        -3.75         2.75
[4,]    93.41667 -10.3333333 -1.666667 -22.666667         7.75        14.00
[5,]    98.91667   8.3333333 -3.666667  -8.333333        16.75        -2.50
[6,]    97.16667  -0.3333333 -5.666667  15.333333         2.00         9.50
bioconductorbioinformaticslimmar
本文链接：https://www.f2er.com/3011265.html

大家都在问