【r高级教程】专题二：差异表达基因的分析

【R 高级教程】专题二：差异表达基因的分析 应学生及个别博友的要求，尽管专业博文点击率和反应均很差， 但在去 San Diego 参加 PAG 会议之前，还是抽时间给出【R 高级教 程】的第二专题。专题一给出了聚类分析的示例，本专题主要谈在表 达谱芯片分析中如何利用 Bioconductor 鉴定差异表达基因。 鉴定差异表达基因是表达谱芯片分析 pipeline 中必须的分析步 骤。差异表达基因分析是根据表型协变量（分类变量）鉴定组间差异 表达，它属于监督性分类的一种。在鉴定差异表达基因以前，一般需 要对表达值实施非特异性过滤（在机器学习框架下属于非监督性分类） ，因为适当的非特异性过滤可以提高差异表达基因的检出率、甚至是 功效。R 分析差异表达基因的 library 有很多，但目前运用最广泛的 Bioconductor 包是 limma。 本专题示例依然来自 GEO 数据库中检索号为 GSE11787 的 Affymetrix 芯片的数据，数据介绍参阅专题一。 library(limma) design colnames(design) fit contrast.matrix fit fit2 fit2 resultssummary(results) vennCounts(results) vennDiagram(results) 比较遗憾的是，目前 limma 自带的 venn 作图函数不能做超过 3 维的高维 venn 图，只能画出 3 个圆圈的 venn 图，即只能同时对 三个 coef 进行 venn 作图。上面的 venn 图只有一个 coef，太简单 了。下面是一个由本实验室芯片数据得出的三个 coef 的 venn 图例： heatDiagram(results,fit2$coef) 红色为 control 中（与 LPS 相比）的高表达基因，绿色为 control 中（与 LPS 相比）的低表达基因，x 轴的数字表示差异表达 基因在 eset2 中所处的位置。 xwrite.table(x, file=“limma.xls“, s=F, sep=“t“) 将结果写入 limma.xls 文件中，内容包括 AveExpr 值（比较组 间绝对值的平均差异值）、logFC 值（差异倍数）、t 值、P 值、q 值 （即 adj.P.Val 值）和 B 值。一般 logFC 值、P 值、q 值和 AveExpr 值用来作为差异表达的判断标准，比如差异倍数在 2 倍以上、绝对差 异表达在 10 以上、P 值小于 0.01 等。在 Excel 文件中，根据各项判 断标准排序，可以很容易地得到差异表达基因列表，这个列表可以用 来进行后续的分析，如 GO 注释、基因网络绘制等。 专题一中提到实际研究中，一般只用差异表达基因进行聚类分析， 在 R 中，根据差异表达结果过滤表达值很简单（具体的值可以依据芯 片数据的实际情况设定，比如 P 值可以设宽松点 0.05、logFC 的绝对 值也可设为 1 或 2、绝对表达差异也可设低一点，如 6 或 8 这样的值） ： y 1.5 | x logFC 10), length(yID)eset3eset2yID, 经过上面 P 值、表达倍数差异和绝对差异的过滤，eset3