TCGA_RNA-seq_limma分析

最新推荐文章于 2024-09-07 19:40:10 发布

原创

最新推荐文章于 2024-09-07 19:40:10 发布 · 2.8k 阅读

6 ·

CC 4.0 BY-SA版权

该博客详细介绍了如何利用R包limma进行RNA-seq数据的差异表达分析。首先，从读取计数数据开始，然后进行数据过滤和标准化。接着，利用经验贝叶斯方法估计dispersion，并构建广义线性模型。在模型拟合后，执行差异表达分析，通过设置不同的阈值来筛选显著差异表达的基因。整个过程包括了数据预处理、模型建立、统计检验和结果筛选等多个关键步骤。

limma分析的大致流程

导入read count，保存为专门的对象用于后续分析
原始数据过滤，根据标准化read count 或者 raw count 作为筛选标准
raw read count 标准化
通过各种算法（如经验贝叶斯，EM）预测dispersion离散值
广义线性模型拟合数据
差异分析，也就是统计检验部分

rm(list=ls())
library(limma)
genesymbol<-read.delim("/Users/Desktop/ESCC_RNA_count_data/ESCC_count_cancer_expression.txt",header = TRUE,check.names = F)
condition<-read.delim("/Users/Desktop/ESCC_RNA_count_data/clinical merge.txt",header=TRUE)
genesymbol<-avereps(genesymbol[,-1],ID=genesymbol$id)
condition<-condition[,c("submitter_id","alcohol_history")]
for(i in 1:ncol(genesymbol)){
  colnames(genesymbol)[i]<-substr(colnames(genesymbol)[i],1,12)
}
condition<-condition[!condition$alcohol_history=="not_reported",]
genesymbol_alcohol<-genesymbol[,colnames(genesymbol)%in%condition$submitter_id]

#将0，1转换成not,yes，将0，1转化为not与yes是为了构建差异比较矩阵
condition$alcohol_history_text=as.factor(ifelse(condition$alc