基于edgeR的差异分析案例实操
发布网友
发布时间：2024-10-20 03:41
共1个回答
热心网友
时间：2024-11-16 06:51
与DESeq2、limma等差异分析工具相似，edgeR也是一个非常受欢迎的差异分析工具。与DESeq2不同的是，edgeR的强大之处在于即使没有重复也可以使用edgeR进行差异分析。下面就以具体的案例看下如何使用edgeR进行差异分析吧。
案例一
本案例的数据与edgeR官方案例数据基本一致。来自三名口腔鳞状细胞癌患者的癌组织（oral carcinomas）和正常组织（normal tissue），两个分组，3个重复，共6个样本。其中，这里的样本名称做了调整，将数字放在字母后更符合编程语法习惯。
本案例的分析目的是检测肿瘤组织和正常组织之间的差异表达基因。为了方便大家练习使用，本文用到的范例数据已上传到OmicShare，可直接下载使用。
1.范例数据下载：
rawdata <- read.csv("case01data_filtered.csv", header = T,row.names = 1) #查看前6行； head(rawdata)
2.数据过滤与标准化
一般情况下需要过滤掉低表达的基因，但这里两个分组的总counts数都大于50，不做过滤，具体过滤方法可参考下期文章的案例2。
3.数据探索
Multidimensional scaling plot中，样本之间的距离对应于这些样品之间主要生物变异系数（biological coefficient of variation，BCV）。从横轴方向（dimension 1）来看，tumor和normal样本可以清楚分开，而在纵轴方向上，样本的编号（patient number）也是基本一致的。这可以证实具有配对样本特性，且肿瘤组织比正常组织有更高的异质性。
4.生成试验设计矩阵
在进行negative binomial GLMs拟合之前，需要先指定实验设计方案。这里，我们主要想在肿瘤组织和正常组织之间进行差异分析，并加上了患者之间的差异因子进行调整。在统计学中术语，这是一个以patient为blocking factor的加性线性模型。
5.估计离散系数（dispersion）
对common dispersion求平方根即为生物变异的变异系数；这里common dispersion为0.159，因此，生物变异系数（coefficient of biological variation）为sqrt（0.159），约0.4左右。
6.差异分析
TipsOmicShare云平台全新推出的配对edgeR/DESeq2差异分析工具和edgeR/DESeq2差异分析工具上线啦，大家可以前往使用~
配对edgeR/DESeq2差异分析：
edgeR/DESeq2差异分析：
本次内容就先到这里啦，下期在微信文章中将继续介绍基于edgeR的差异分析案例实操的案例2，研究拟南芥接种丁香假单胞菌ΔhrcC突变体后产生的反应，感兴趣的老师们不要可以先关注基迪奥生物 公众号，抢先观看哦！
