问题标签 [limma]

vennDiagram()包中没有选项可以limma从维恩图中删除框框。那么谁能告诉我如何调整源代码来解决这个问题？我也想删除角落里的数字。

我很感激。

我正在使用 Bioconductorlimma包。eBayes我想为微阵列分析定义函数的自由度。如何更改其中的默认自由度？请看下面的代码：

我一直在使用 Limma 包中的 makeContrasts 函数来创建对比，并且我了解如何进行简单的对比，例如将每个处理与对照进行独立比较或比较两种处理：

我的问题是，当每种治疗被认为是相对于对照时，如何对两种治疗之间的对比进行编码？例如，我想确定A_vs_Ctrl和之间何时存在差异B_vs_Ctrl；这个想法是，这将表明治疗A和治疗何时以不同的方式而不是相同的方式与条件不同B。Control我的尝试如下，但我认为它不正确，并且我无法理解如何正确地对这个假设进行对比编码。

我正在寻找一种方法来识别在各种条件下显着稳定的基因。换句话说，与标准 DE 分析相反。

标准 DE 将基因分为两类：一侧显着变化，其他一切，“其余”，另一侧。然而，“其余的”既包含实际上不改变的基因，也包含对改变的置信度不足以称它们为差异基因的基因。
我想要的是找到那些不会改变的，或者换句话说，那些我可以自信地说我的条件没有改变的。

我知道这在 DEseq 中是可能的，方法是提供一个替代的零假设，但我必须将它作为一个额外的步骤集成到已经使用 limma 的其他人的管道中，我想坚持下去。理想情况下，我想以类似的方式测试 DE 和非改变基因，这在概念上类似于改变 DEseq 中的 H0。

目前，测试 DE 的代码如下：

作为一个例子，我喜欢下面的东西，但任何概念上相似的东西都可以。

我知道treat（）允许通过提供折叠更改来指定区间零假设，引用手册：“它使用区间零假设，其中区间为[-lfc，lfc]”。
但是，这仍然会测试从 0 左右的中心间隔开始的变化，而我想测试的间隔是 [-inf,-lfc] + [lfc,inf]。

我有什么选择吗？

谢谢！

我有原始基因计数的 RNA seq 数据，我想将其转换为线性建模。我正在尝试对变换进行加权分析。

数据框：prac_count_10

代码：

然而，这并没有给出基因样本名称和 logCPM 值的输出。想要一个带有基因 id 和 logCPM 值的输出，用于线性建模。

也试过：

我想使用 的plotMA功能limma。

该文档的示例工作正常：

现在我想访问用于绘图的基础数据，因为我想在不同的上下文中使用数据，而不仅仅是绘图。我目前看不到访问数据的方法；当然我可以自己实现该方法并且只使用数据，但感觉不对。

有没有办法访问用于 MA 图的基础数据？

基本的 vennDiagram 图效果很好。但我试图显示百分比而不是这样的数量

它适用于 2 组和 3 组：

但是对于 4 组和 5 组，百分比不会仅绘制标签和无部分：

尝试了以下步骤：

• 将百分比四舍五入为 0、1 和 2
• 将cex（文本大小）参数更改为更小

可能空间不够？

我有兴趣找到基因列表之间的皮尔逊相关系数。基本上，我有 Affymetrix 基因水平表达矩阵（行中的基因和列中的样本 ID），并且我有微阵列实验观察的注释数据，其中行中的样本 ID 和列上的描述标识。

数据

目标：

我打算看看每个样本中的基因如何与注释数据中相应样本的GA值相关，然后生成与目标观察数据保持高相关基因的子表达矩阵anodat$GA。

我的尝试：

但是，我的上述实现并没有返回我的预期，我需要通过查找与anodat$GA.

另一种尝试：

我读了几篇关于类似问题的帖子，有些人讨论了使用limma包。这是我使用limma. 在这里，我用anodat$GA作协变量来拟合limma线性模型：

然后我期望从上面的代码中得到一个相关矩阵，并希望执行以下操作以获得过滤的子表达式矩阵：

但我仍然没有得到正确的答案。我对使用limma方法很有信心，但我无法再次弄清楚上面的代码出了什么问题。谁能指出我如何使这项工作？有没有有效的方法来实现这一点？

我有一个用于比较控制和治疗的数据集，并将 limma 用于 pval。在我得到这样的数据之前，它适用于我的大部分数据。我可以看出控制和治疗之间存在差异。但我收到错误：“smooth.spline(lambda, pi0, df = smooth.df) 中的错误：不允许输入中的缺失或无限值”。

谁能给我一些建议如何传递错误？非常感谢！

eb.fit 代码

我有一个包含 25 个抗性和 25 个易感品系的代谢物数据集。数据看起来像这样，每一列是一行，每一行是一个代谢物：

我想找到在抗性和易感品系之间表现出显着差异的代谢物。谁能指导我如何在 R 中做到这一点？

我不知道该怎么做，所以我首先将两组中的每 25 行平均分为两个数据列，然后使用 #R 中的#limma 包使用以下代码进行检查：

它给出了以下错误：