如果你還不會(huì)利用limma進(jìn)行多組差異分析？不慌！跟著小果一文拿捏

2023-10-26 09:10 作者:小云愛生信 0人讀過(guò) | 我要投稿

爾云間? 一個(gè)專門做科研的團(tuán)隊(duì)

歡迎點(diǎn)贊+收藏+關(guān)注

生信人R語(yǔ)言學(xué)習(xí)必備

立刻擁有一個(gè)Rstudio賬號(hào)

開啟升級(jí)模式吧

（56線程，256G內(nèi)存，個(gè)人存儲(chǔ)1T）

今天小果想為大家分享的是基于limma包進(jìn)行多組差異分析

limma包在進(jìn)行GEO數(shù)據(jù)庫(kù)mRNA芯片數(shù)據(jù)分析時(shí)，使用的頻率非常非常高，強(qiáng)烈安利小伙伴學(xué)習(xí)奧！有GEO數(shù)據(jù)分析需求的小伙伴可以跟著小果一起來(lái)學(xué)習(xí)，接下來(lái)小果就開始今天的分享。

1. 如何利用limma進(jìn)行多組差異分析？

在進(jìn)行講解如何進(jìn)行分析之前，小果想為小伙伴簡(jiǎn)單講解一下limma包的分析原理，該包是基于線性模型進(jìn)行差異分析，如何使用該包進(jìn)行轉(zhuǎn)錄組數(shù)據(jù)差異分析，可以參考官網(wǎng)http://bioconductor.org/packages/release/bioc/vignettes/limma/inst/doc/usersguide.pdf文檔進(jìn)行學(xué)習(xí)，小果在這里就不做詳細(xì)介紹了。本推文只需要基因表達(dá)矩陣文件和樣本分組文件，就可以批量完成多組差異分析，非常簡(jiǎn)單方便，值得小伙伴們學(xué)習(xí)奧！接下來(lái)跟著小果開始今天的實(shí)操學(xué)習(xí)吧！

2.?準(zhǔn)備需要的R包

limma包的安裝直接可以通過(guò)Bioconductor安裝，安裝非常簡(jiǎn)單，小果為大家也提供網(wǎng)址：http://bioconductor.org/packages/release/bioc/html/limma.html，如下：

3.?數(shù)據(jù)準(zhǔn)備

input_FPKM.txt

#基因表達(dá)矩陣文件，行名為Gene,列為樣本名.

input_subtype.txt

##樣本分組信息文件，第一列為樣本名，第二列為分組信息

4.?limma進(jìn)行多組差異分析

5.?結(jié)果文件

1.?SKCM_limma_test_result.immune_vs_Others.txt

該結(jié)果文件為計(jì)算的immune組與其他分組的差異分析結(jié)果文件,行名為基因名，第一列為log2FC,第四列為Pvalue值，第五列為FDR(矯正后的P值)

2.?SKCM_limma_test_result.keratin_vs_Others.txt

該結(jié)果文件為計(jì)算的keratin組與其他分組的差異分析結(jié)果文件,行名為基因名，第一列為log2FC,第四列為Pvalue值，第五列為FDR(矯正后的P值)

?

3.?SKCM_limma_test_result.MITF-low_vs_Others.txt

該結(jié)果文件為計(jì)算的MITF-low組與其他分組的差異分析結(jié)果文件,行名為基因名，第一列為log2FC,第四列為Pvalue值，第五列為FDR(矯正后的P值).

今天小果的分享就到這里啦！如果小伙伴有其他數(shù)據(jù)分析需求，可以嘗試使用本公司新開發(fā)的生信分析小工具云平臺(tái)，零代碼完成分析，非常方便奧，云平臺(tái)網(wǎng)址為：http://www.biocloudservice.com/home.html,包括了用edgeR實(shí)現(xiàn)多組差異分析(http://www.biocloudservice.com/289/289.php)，DEseq2實(shí)現(xiàn)多組差異分析(http://www.biocloudservice.com/287/287.php)等小工具，歡迎大家和小果一起討論學(xué)習(xí)哈?。。?！

往期推薦

1、 PCA繪圖，從原理到繪圖

2 、小果的單日小技巧DAY6：如何利用panImmune輕松分析免疫浸潤(rùn)？

3 、Fastp軟件：處理fastq文件它超棒！

4、高分生信SCI常用的腫瘤免疫學(xué)單細(xì)胞分析工具