2017-02-09 7 views
2

Ich mag einige Kontraste durch lineares Regressionsmodell in R. zu tun, ich habe folgende Daten, mat1:model.matrix und makeContrasts in R

Gene1 Gene2 Gene3 
1 5.89  7.45 2.66 
2 8.99  5.39 1.58 
3 3.67  6.88 4.82 
4 8.25  8.76 3.58 

ich den folgenden Code verwenden, um eine Design-Matrix zu erstellen:

library(limma) 
expression <- factor(mat1) 
design <- model.matrix(~0 + expression) 
colnames(design) <- levels(expression) 

Die Design-Matrix sieht jetzt sehr seltsam aus. Und die Anzahl der Zeilen und Spalten hat sich geändert. Wo ist der Fehler?

Hier ist der nächste Teil des Codes Ich mag würde gehen:

fit <- lmFit(mat1, design) 
contrast.matrix <- makeContrasts(Gen1 - Gen2, levels = design) 
fit2 <- contrasts.fit(fit, contrast.matrix) 
fit2 <- eBayes(fit2) 

Ist das der richtige Weg? Vielleicht könnte mir irgendjemand helfen. Vielen Dank.

+0

Versuchen Sie uns ein Beispiel zu geben. – SmallChess

+0

Normalerweise machen Sie einen Kontrast von Zuständen, nicht von Genen. 'expression <- factor (mat1)' does ist nicht korrekt, es sollte wahrscheinlich 'factor (rownames (mat1)' oder 'factor (colnames (mat1)') sein, abhängig davon, was du kontrastierst. – emilliman5

Antwort

1

Ihre allgemeine Syntax der Analyse der Genexpression mit linearen Modell sieht richtig aus, einschließlich der contrast.matrix. Es macht mir jedoch Sorgen, dass Ihr Code keine Informationen zu Beispielmerkmalen (in klinischen Studien als klinische Kovariaten bezeichnet) enthält. Ich bin mir nicht sicher, was die Frage/Hypothese ist, die Sie testen. Zum Beispiel, wenn Sie die Behandlung vergleichen (in der Regel codierte mit 1) im Vergleich zu keiner Behandlung (0), würden Sie laufen:

design <- model.matrix(~ feature$treatment) 

wo feature eine Matrix oder data.frame mit klinischen Informationen.

Ohne Ihre aktuellen Daten und Probe/Klinik, ist meine beste Vermutung gesehen zu haben, dass etwas in diesen beiden Zeilen Code schief gelaufen ist:

design <- model.matrix(~0 + expression) 
colnames(design) <- levels(expression) 

Das heißt, der Aufbau der Design-Matrix.

Sie können das limma R/Bioconductor-Paket erneut besuchen und gegebenenfalls ein Beispiel durcharbeiten.