Bioconductor与基因芯片

今天是生信星球陪你的第124天

你想找辆共享单车，发现满街都是别家车，没有一辆你能骑。

你想学点生信，搜了“初学者教程”，满眼尽是高大上，没有一句能看懂。

终于你跨越茫茫宇宙，来到生信星球，发现了初学者的新大陆

豆豆写于18.9.10

实战上从数据下载到差异基因的获得、初步作图

实战下进行富集分析，使用数据库进行注释

在此感谢jimmy的limma包等教程

1 下载芯片数据

使用Fabbrini E于2015年发表在J Clin Invest上的文章：Metabolically normal obese people are protected from adverse effects following weight gain

文章研究了体重适度增加对代谢正常(MNO)和代谢异常(MAO)受试者脂肪组织基因表达的影响，选取11个代谢正常的人、7个代谢异常的人增重前后的皮下脂肪组织，得到36个数据

使用的数据集是GSE62832

实验平台是GPL6244， Affymetrix Human Gene 1.0 ST Array

方法一：打开网页https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE62832 【可能会有网速限制】

GEO数据GSE62832

方法二：使用GEOquery包

下载完，看一下eSet这个对象都包含什么

2. 将表达矩阵的探针ID转换为gene ID

首先需要知道GSE62832对应平台是GPL6244

然后需要知道GPL6244对应哪个注释包【阅读jimmy之前整理的平台信息https://www.jianshu.com/p/f6906ba703a0】

下载相应的注释包

开始探索、过滤、整合

简单的探索

过滤+整合

3. 对表达矩阵进行一些检验

表达矩阵不局限于GEO数据库的芯片分析，转录组及其他涉及基因、样本、分组关系的都会有一个表达量矩阵，就是一个基因在不同样本中（对照、处理；是否患病等）的表达差异。

拿到表达矩阵，在进行后续分析之前，首先要检测这个矩阵是不是合理的，比如看管家基因是否表达量突出、一致；样本分组是不是和实验设计一致，用PCA、hclust检验

3.1 检测一些管家基因表达量

3.2 看表达矩阵的整体分布

先把表达矩阵=》tidy data【四列：基因名、样本、表达量、表型分组(看文献按MAO、MNO分组)】

以图为证

检查数据

4. 对表达矩阵进行差异分析

只需要提供表达矩阵efilt、分组信息group_list，就能使用limma进行分析

详细内容参考jimmy的http://www.bio-info-trainee.com/bioconductor_China/software/limma.html

4.1 准备就绪，就可以开始差异分析

4.2 对一个小表达矩阵，如30、50个基因，可以用热图

前30基因的热图

4.3 对一个大的表达矩阵，如全部的差异基因，可以用火山图

火山图实际上就是根据两列进行作图：logFC、pvalue

火山图