r语言 - 将三组配对数据与 limma 进行比较.如何进行配对设计

Question

所以我使用r，包Bioconductor(oligo(，(limma(来分析一些微阵列数据。

我在配对分析中遇到问题。

所以这是我的表型数据

ph@dataph@data index filename group WT1 WT WT1 WT WT2 WT WT2 WT WT3 WT WT3 WT WT4 WT WT4 WT LT1 LT LT1 LT LT2 LT LT2 LT LT3 LT LT3 LT LT4 LT LT4 LT TG1 TG TG1 TG TG2 TG TG2 TG TG3 TG TG3 TG TG4 TG TG4 TG

所以为了分析，我做了这个代码：

colnames(ph@data)[2]="source"
ph@data
groups = ph@data$source
f = factor(groups,levels = c("WT","LT","TG"))
design = model.matrix(~ 0 + f) 
colnames(design)=c("WT","LT","TG")
design
data.fit = lmFit(normData,design)
> design
WT LT TG
1   1  0  0
2   1  0  0
3   1  0  0
4   1  0  0
5   0  1  0
6   0  1  0
7   0  1  0
8   0  1  0
9   0  0  1
10  0  0  1
11  0  0  1
12  0  0  1
attr(,"assign")
[1] 1 1 1
attr(,"contrasts")
attr(,"contrasts")$f
[1] "contr.treatment"

然后我起诉这个以比较我的小组：

contrast.matrix = makeContrasts(LT-WT,TG-WT,LT-TG,levels=design) data.fit.con = contrasts.fit(data.fit,contrast.matrix) data.fit.eb = eBayes(data.fit.con)

所以在所有这些之后，我想比较我的小组：

ph@data[ ,2] = c("control","control","control","control","littermate","littermate","littermate","littermate","transgenic","transgenic","transgenic","transgenic")
colnames(ph@data)[2]="Treatment"
ph@data[ ,3] = c("B1","B2","B3","B4","B1","B2","B3","B4","B1","B2","B3","B4")
colnames(ph@data)[3]="BioRep"
ph@data```
groupsB = ph@data$BioRep 
groupsT = ph@data$Treatment
fb = factor(groupsB,levels=c("B1","B2","B3","B4"))
ft = factor(groupsT,levels=c("control","littermate","transgenic"))```
paired.design = (~ fb + ft)

所以现在我的表型数据看起来像这样：

index  Treatment BioRep
WT1    WT    control     B1
WT2    WT    control     B2
WT3    WT    control     B3
WT4    WT    control     B4
LT1    LT littermate     B1
LT2    LT littermate     B2
LT3    LT littermate     B3
LT4    LT littermate     B4
TG1    TG transgenic     B1
TG2    TG transgenic     B2
TG3    TG transgenic     B3
TG4    TG transgenic     B4```

B1是生物复制品，然后我有野生型，同窝和转基因的组

比较我的样品，我正在尝试这个

colnames(paired.design)=c("Intercept","B4vsB1","B3vsB1","B2vsB1","B4vsB2","B3vsB2","B4vsB3","littermatevscontrol","transgenicvscontrol")

但后来我得到了这个错误：Error in `colnames<-`(`*tmp*`, value = c("Intercept", "WTvsLT", "WTvsTG", : attempt to set 'colnames' on an object with less than two dimensions

我做错了什么，这是比较我的数据的正确方法吗？

data.fit = lmFit(data.rma,paired.design)
data.fit$coefficients

Answer 1

我制作了 ft 和 fb，因为我没有您的数据：

fb <- structure(c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L), .Label = c("B1", 
"B2", "B3", "B4"), class = "factor")
ft <- structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L), .Label = c("control", "littermate", "transgenic"), class = "factor")

这一行有一个错别字：

paired.design = (~ fb + ft)
dim(paired.design)
NULL

它应该是：

paired.design = model.matrix(~ fb + ft)
head(paired.design)
(Intercept) fbB2 fbB3 fbB4 ftlittermate fttransgenic
1           1    0    0    0            0            0
2           1    1    0    0            0            0

如果你看一下你的model.matrix，它有6列，这不是你试图分配的。因此，当您指定~ fb + ft时，选择因子的第一个水平作为参考，并且您会发现与此相关的其他水平的影响。例如，对于 fb，B1 是参考，您可以估计 B2，B3，B4 的影响。

要进行所需的成对比较，对于所有内容与引用，您只需要指定列本身，例如，对于 B4 与 B1，它只是 fbB4，因为 B4 是相对于 B1 估计的。对于其他人，您可以像以前一样指定"-"：

contrast.matrix = makeContrasts(fbB4,fbB3,fbB2,fbB4-fbB2,
fbB3-fbB2,fbB4-fbB3,ftlittermate,fttransgenic,levels=paired.design)

现在我们可以根据需要分配 col 名称：

colnames(contrast.matrix) <-c("B4vsB1","B3vsB1","B2vsB1","B4vsB2","B3vsB2","B4vsB3",
"littermatevscontrol","transgenicvscontrol")

我为 normData 模拟了一些数据以拟合模型和对比：

set.seed(100)
normData = matrix(rpois(100*12,100),100,12)
data.fit = lmFit(normData,paired.design)
data.fit.con = contrasts.fit(data.fit,contrast.matrix)

请注意，有一个警告：

Warning message:
In contrasts.fit(data.fit, contrast.matrix) :
row names of contrasts don't match col names of coefficients

因为"(拦截("被重命名为拦截。

您可以查看 data.fit.con 下的系数，以查看您所做的比较的倍数变化

Contrasts
B4vsB1    B3vsB1      B2vsB1     B4vsB2     B3vsB2     B4vsB3
[1,]  14.333333 11.000000   5.0000000   9.333333   6.000000   3.333333
[2,]  -3.333333  2.000000   7.0000000 -10.333333  -5.000000  -5.333333
[3,]   3.666667 -2.666667   6.3333333  -2.666667  -9.000000   6.333333
[4,] -22.666667 -1.666667 -10.3333333 -12.333333   8.666667 -21.000000
[5,]  -8.333333 -3.666667   8.3333333 -16.666667 -12.000000  -4.666667
[6,]  15.333333 -5.666667  -0.3333333  15.666667  -5.333333  21.000000
Contrasts
littermatevscontrol transgenicvscontrol
[1,]                1.25               -7.50
[2,]                3.50               10.50
[3,]               -3.75                2.75
[4,]                7.75               14.00
[5,]               16.75               -2.50
[6,]                2.00                9.50

您可以与原始拟合系数进行交叉检查，以查看是否进行了正确的对比度：

head(data.fit$coefficients)
(Intercept)        fbB2      fbB3       fbB4 ftlittermate fttransgenic
[1,]    95.41667   5.0000000 11.000000  14.333333         1.25        -7.50
[2,]    94.33333   7.0000000  2.000000  -3.333333         3.50        10.50
[3,]    97.66667   6.3333333 -2.666667   3.666667        -3.75         2.75
[4,]    93.41667 -10.3333333 -1.666667 -22.666667         7.75        14.00
[5,]    98.91667   8.3333333 -3.666667  -8.333333        16.75        -2.50
[6,]    97.16667  -0.3333333 -5.666667  15.333333         2.00         9.50