问题标签 [limma]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
limma - R - 当我有简单的 limma 对比或更复杂的对比时，为什么 DGE 的结果会不同？
我正在尝试使用 limma 包执行 DGE。我有一个大数据集，我想在其中提取几个对比。完整的对比表如下所示：
| 级别 | M1 | M2 | M3 |
|---|---|---|---|
| 康德3 | 0 | -1 | 1 |
| 康德4 | 0 | 1 | -1 |
| 条件1 | -1 | 0 | -1 |
| 条件2 | 1 | 0 | 1 |
到底。我想提取 3 个对比（M1 M2 和 M3）。我尝试单独提取对比度 M1（我基本上选择了元数据和表达式数据只包含 Cond1 和 Cond2 样本），对比度如下所示：
| 级别 | M1 |
|---|---|
| 条件1 | -1 |
| 条件2 | 1 |
我意识到，如果我像以前那样提取对比度，并且如果我提取相同的对比度但使用所有数据，它会给出稍微不同的结果。这是为什么？计算对比度 M1 的最正确方法是什么？
这假设在提取任何对比度之前我总是这样做
r - 从 log2(TPM+1) 数据执行差异表达分析
我是 RNA-seq 分析的新手，我想对 log2(TPM+1) 数据进行 DE 分析。我知道这并不理想，但这是我可以从以前的数据集中获得的输入数据。我正在考虑使用 Limma 趋势和 eBayes，而不是使用我的 log2（TPM+1）使用 logCPM（推荐）。这是一个好主意吗？我应该使用不同的方法吗？
提前致谢
r - 安捷伦微阵列数据分析 :: 文件错误（文件，“r”）：无法打开连接
我正在分析安捷伦微阵列 44k 双色全基因组数据。我之前在相同的数据上使用了相同的代码，但是当我用不同的条件重新分析时。我收到以下错误。除了上一个，我还更新了 R 并使用了最新的 4.1.1。我已经尝试了与我的错误相关的所有建议。所有文件都在同一个文件夹中，setwd() 可以通过 getwd() 重新检查。
文件中的错误（文件，“r”）：无法打开连接另外：警告消息：在文件（文件，“r”）中：无法打开文件'directory/sample1.txt'：没有这样的文件或目录
使用的代码：
目录 <- "D:/agilent/" setwd("D:/agilent/") getwd() [1] "D:/agilent" library(limma) 目标 <- readTargets("targets.txt", sep = ' \t') x <- read.maimages(targets, path="directory", source="agilent",green.only=TRUE) 文件错误（文件，“r”）：无法打开连接另外：警告消息：在文件中（文件，“r”）：无法打开文件'directory/sample1.txt'：没有这样的文件或目录
输入目标文件：
请为此提供解决方案。
r - limma contrasts 消除批次效应的最佳方法
给定以下样本批次：
Batch1 = 3x 控制样本、3x Group1 样本 Batch2 = 3x 附加控制样本 3x 附加 Group1 样本 Batch3 = 3x 附加控制、4x Group2 样本、4x Group3 样本、4x Group4 样本
如果我打算从对比 (Group1 - Control)、(Group2 - Control)、(Group3 - Control)、(Group4 - Control) 中发现 DE 基因，以下模型矩阵是否足以检查批次效应的大小：
您是否有任何其他建议来处理 Group2、3、4 都在 Batch3 中但控制样本分布在 3 个批次中这一事实的最佳方法。
感谢您的意见
r - 我可以使用设计矩阵 model.matrix(~0 + group + celltype) 分析来自两种不同细胞类型的 RNAseq 数据吗？
我有两种细胞类型（11C 和 13C）和两组（KO 和 CTRL）。
样本细胞类型组
11C-17 11C KO
11C-84 11C KO
11C-C 11C 控制
13C-17 13C KO
13C-84 13C KO
13C-C 13C 控制
如PCA 图所示，细胞类型是主要差异。但是，我想知道是否可以通过设计矩阵设计 <- model.matrix(~0 + group + celltype) 和对比矩阵 contrast.matrix <- makeContrasts(KOvsCTRL = KO - CTRL, levels= colnames(design)) 来比较两组。
r - Limma 缓和 t 检验 VS stat_compare_means：为什么值不同？
我已经对大量基因进行了差异表达，并且我只选择了我想要研究的外部基因列表中的重要基因。当我在条形图上表示我的重要值时，我从带有 limma 的缓和 t 检验（BH 校正）获得的 p 值不一样；对于条形图，我使用了 ggpubr 的函数 stat_compare_means() 并且出现的 p 值与使用 limma 获得的 p 值完全不同且异常。
有谁知道这是否正常？
我绘制的基因应该是正确的，我检查了多次。
谢谢
r - Limma 的对比 - Voom
我正在使用 limma - voom 对 RNA-seq 数据进行差异表达分析。我的数据是关于一种抗癌药物的，总共 49 个样本，其中一些是响应者，有些不是。我需要一些帮助来构建contrast. 我在这里只处理一个因素，所以只有两组。
我知道这是最简单的数据类型，但我得到的大部分数据都是差异表达的（不应该是这种情况），只有 13% 没有差异表达，我认为问题与对比度有关。这是我做的设计，1或0。
NoResponse 为 1 表示没有响应，Response 为 1 表示有响应。
使用输入：
这是我自己分析的代码：
生物导体指南没有帮助。
注意：问题不在于数据。voom 情节非常好，我只是被（我认为）搞得一团糟的对比所困。