limma 小样本量的差异表达分析教程_微阵列数据做limma差异分析

本教程将使用R中的simulated数据集，模拟100个探针和6个微阵列的基因表达数据。这些微阵列分为两组，其中前两个探针在第二组中呈差异表达。基因的标准差在不同基因之间变化，先验的自由度为4。

1. 导入必要的库和数据

# 导入必要的库
library(limma)

# 设定随机数生成种子以确保结果可重复
set.seed(123)

# 模拟基因表达数据
sd <- 0.3 * sqrt(4 / rchisq(100, df = 4))
y <- matrix(rnorm(100 * 6, sd = sd), 100, 6)
rownames(y) <- paste("Gene", 1:100)
y[1:2, 4:6] <- y[1:2, 4:6] + 2

# 创建设计矩阵
design <- cbind(Grp1 = 1, Grp2vs1 = c(0, 0, 0, 1, 1, 1))
1
2
3
4
5
6
7
8
9
10
11
12
13
14

2. 普通的线性模型拟合

# 拟合线性模型
fit <- lmFit(y, design)

# 进行贝叶斯调整
fit <- eBayes(fit)

# 显示差异表达基因
topTable(fit, coef = 2)
1
2
3
4
5
6
7
8

3. 折叠变化阈值法

# 使用折叠变化阈值法拟合
fit2 <- treat(fit, lfc = 0.1)

# 显示差异表达基因
topTreat(fit2,
1
2
3
4