差异分析的第一步是要构建符合不同模型的R对象,主要包括两部分的信息:表达矩阵和分组信息。 这次主要讨论一下limma/voom,edgeR,DESeq2是转录组差异分析的三大R包的表达矩阵和分组矩阵构建,主要针对二分组转录组数据的差异分析。 一、limma和edgeR包的表达矩阵和分组信息 1.limma和edgeR包DEGList对象的构建 limma和ed...
edgeR是专门针对转录组数据开发的,limma包最早是用来进行芯片数据的差异分析,对转录组数据差异分析的功能是后来添加的,表达矩阵的构建方法直接使用edgeR包中的DGEList函数。 DEGList函数的参数示例: DGEList(counts = matrix(0,0,0), lib.size = colSums(counts), norm.factors = rep(1,ncol(counts)), samples =...
差异分析的第一步是要构建符合不同模型的R对象,主要包括两部分的信息:表达矩阵和分组信息。 这次主要讨论一下limma/voom,edgeR,DESeq2是转录组差异分析的三大R包的表达矩阵和分组矩阵构建,主要针对二分组转录组数据的差异分析。 一、limma和edgeR包的表达矩阵和分组信息 1.limma和edgeR包DEGList对象的构建 limma和ed...
RNA-seq的counts值,RPM, RPKM, FPKM, TPM 的异同 表达矩阵的归一化和标准化,去除极端值,异常值 箱线图的生物学含义 转录组表达矩阵为什么需要主成分分析以及怎么做 limma/voom,edgeR,DESeq2分析注意事项,差异分析表达矩阵与分组信息 其中差异分析我们使用了limma/voom,edgeR,DESeq2这3个流程,很多朋友比较感兴...
2. 数据过滤,boxplot和PCA展示 数据过滤,只是CPM的cutoff,还有样本的cutoff,点击提交 boxplot和PCA展示 接下来就可以GO TO STEP 3了,可以根据个人喜好选择一个的差异表达分析的算法。这里以limma为例,点击中间的按钮。 3.差异表法分析 填写分组信息,设置P值的cutoff和Fold change的cutoff,提交。
edgeR基于负二项分布模型。它使用贝叶斯方法通过适应组内变异估计提高估计的稳定性。edgeR考虑了基因的丰度和变异性,使其更适用于RNA-Seq数据。 DESeq2基于负二项分布的模型。它通过使用贝叶斯方法来考虑样本间的差异以及基因表达的离散性。 1. 安装和加载所需的包 ...
LIMMA的意思原来是“linear models for microarray data”,这也就解释了为什么其中有构建线性模型的步骤【线性模型包括了线性回归、多重线性回归、方差分析等】另外limma是为芯片而生。但不仅止于此,后来衍生的limma-voom也依然成了今天转录组差异分析的金标准。另外DNA甲基化也可以用limma去分析(当然我现在还没有涉及...
差异分析的第一步是要构建符合不同模型的R对象,主要包括两部分的信息:表达矩阵和分组信息。 这次主要讨论一下limma/voom,edgeR,DESeq2是转录组差异分析的三大R包的表达矩阵和分组矩阵构建,主要针对二分组转录组数据的差异分析。 一、limma和edgeR包的表达矩阵和分组信息 ...
RNA-seq的counts值,RPM, RPKM, FPKM, TPM 的异同 表达矩阵的归一化和标准化,去除极端值,异常值 箱线图的生物学含义 转录组表达矩阵为什么需要主成分分析以及怎么做 limma/voom,edgeR,DESeq2分析注意事项,差异分析表达矩阵与分组信息 其中差异分析我们使用了limma/voom,edgeR,DESeq2这3个流程,很多朋友比较感兴趣到...