差异分析|DESeq2完成配对样本的差异分析

本文为群中小伙伴进行的一次差异分析探索的记录。

前段时间拿到一个RNA-seq测序数据(病人的癌和癌旁样本,共5对)及公司做的差异分析结果(1200+差异基因),公司告知用的是配对样本的DESeq分析。

考虑到平时limma和DESeq2包进行差异分析时没有特别注明是否配对,这配对和非配对有啥区别呢?

于是分别尝试使用limma和DESeq2包的非配对分析,发现得到的差异基因和公司的差距很大。我查了好多关于RNA-seq配对分析的资料,发现几乎没有这方面的帖子。

询问公司DESeq配对分析的代码,公司说保密不能给,此外公司还告知现在的配对样本的分析都改用了DESeq2。好吧,那就只能自己动手,以下为探索过程的一个记录。

一 载入R包,数据

# 加载包library(openxlsx)library(DESeq2)library(limma)library(edgeR)

1.读入原始数据及分组信息

rowdata <- read.xlsx("Count_data.xlsx",sheet = 1,rowNames = T)gset <- rowdata[rowMeans(rowdata)>0,] # 剔除表达量低的基因group_list <- c(rep("case",5), rep("control",5)) group_list <- factor(group_list,levels = c("control","case"))

二 limma包进行差异分析

## 2.1表达矩阵data = gset## 2.2分组矩阵design <- model.matrix(~0+group_list)rownames(design) = colnames(data)colnames(design) <- levels(group_list)## 2.3差比表达矩阵构建,并过滤DGElist <- DGEList( counts = data, group = group_list)keep <- rowSums(cpm(DGElist) > 0.5 ) >=2 table(keep) # FALSE 2443 TRUE 15909DGElist_QC <- DGElist[keep, ,keep.lib.sizes=FALSE] dim(DGElist) # 18352 10 过滤前dim(DGElist_QC)# 15909 10过滤后## 2.4归一化基因表达分布DGElist_norm <- calcNormFactors(DGElist_QC, method = "TMM")DGElist_norm$samples$norm.factors # 查看每个样品归一化后的系数DGElist_QC$samples$norm.factors #未归一化之前的样本系数,都是1## 2.5 limma包进行voom函数v <- voom(DGElist_norm, design, plot = TRUE, normalize = "quantile")fit <- lmFit(v, design)cont.matrix <- makeContrasts(contrasts = c('case-control'), levels = design)fit2 <- contrasts.fit(fit, cont.matrix)fit2 <- eBayes(fit2)## 2.6提取差异矩阵nrDEG_limma_voom = topTable(fit2, coef = "case-control", n = Inf)nrDEG_limma_voom = na.omit(nrDEG_limma_voom)nrDEG_limma_voom = nrDEG_limma_voom[order(nrDEG_limma_voom$logFC),] ## 2.7 定义差异基因nrDEG <- nrDEG_limma_voomnrDEG$Group = "notsignificant"logFC_cutoff <- 0.6 # 定义差异基因的标准,自定义nrDEG$Group [which( (nrDEG$P.Value < 0.05) & (nrDEG$logFC > logFC_cutoff) )] = "upregulated"nrDEG$Group [which( (nrDEG$P.Value < 0.05) & (nrDEG$logFC < -logFC_cutoff) )] = "downregulated"table(nrDEG$Group)

图片

可以看到只有67个下调的33个上调的,火山图不好看,而且根本没法继续做GO和KEGG分析。

OK,尝试使用DESeq2包的非配对差异分析。

三 DESeq2进行差异分析

## 3.1表达矩阵data = apply(gset, 2, as.integer) ## DESeq2分析需要是整数row.names(data) <- row.names(gset)## 3.2分组矩阵condition = group_listcoldata <- data.frame(row.names = colnames(data), condition)dds <- DESeqDataSetFromMatrix(countData = data,                              colData = coldata,                              design = ~condition)dds$condition<- relevel(dds$condition, ref = "control") # 指定哪一组作为对照组## 3.3差异表达矩阵dds <- DESeq(dds)  nrDEG_DESeq2 <- as.data.frame(results(dds))nrDEG_DESeq2 = nrDEG_DESeq2[order(nrDEG_DESeq2$log2FoldChange),] ## 3.4定义差异基因nrDEG <- nrDEG_DESeq2nrDEG$Group = "notsignificant"logFC_cutoff <- 0.6nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange > logFC_cutoff) )] = "upregulated"nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange < -logFC_cutoff) )] = "downregulated"table(nrDEG$Group)

图片

可以看到常规的DESeq2分析比limma voom分析多了一些差异基因,但是和公司给的1200+的差异基因还是差远了。

发现差异之后开始了检索和求助之旅,查了很多帖子,也求助了一些大神,似乎很少人注意过DESeq2包做配对的差异分析。

讨论群中小伙伴贴了limma进行配对分析的方式,于是我去查阅了DESeq2的说明书,可以看到说明书就这么一句话:

图片

剩下的事情就简单了,依此修改后,DESeq2包成功做出了配对差异分析,复现了公司的结果。好了,下面就是使用DESeq2包完成配对差异分析的代码了,自取!

图片

四 DESeq2配对差异分析

## 4.1表达矩阵data = apply(gset, 2, as.integer) ## DESeq2分析需要是整数row.names(data) <- row.names(gset)## 4.2分组矩阵,配对分析与常规分析最大的区别就在分组矩阵condition = group_list# 配对分析要加上这段代码,知道谁和谁是一对,比如1,1是一对,5,5是一对subject <- factor(c(1,2,3,4,5,1,2,3,4,5))  coldata <- data.frame(row.names = colnames(data), condition)# 注意在design中加上配对信息dds <- DESeqDataSetFromMatrix(countData = data,                              colData = coldata,                              design = ~subject +condition) dds$condition<- relevel(dds$condition, ref = "control") ## 4.3差异表达矩阵,还是和常规分析一样dds <- DESeq(dds)nrDEG_DESeq2 <- as.data.frame(results(dds))rld <- rlog(dds)# 这里我还提取了标准化后的表达矩阵,可以用于后续的热图绘制等等normal_gset <- assay(rld) nrDEG_DESeq2 = nrDEG_DESeq2[order(nrDEG_DESeq2$log2FoldChange),] ## 4.4定义差异基因nrDEG <- nrDEG_DESeq2nrDEG$Group = "notsignificant"logFC_cutoff <- 0.6nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange > logFC_cutoff) )] = "upregulated"nrDEG$Group[which( (nrDEG$pvalue < 0.05) & (nrDEG$log2FoldChange < -logFC_cutoff) )] = "downregulated"table(nrDEG$Group)

图片

此时终于成功得到了1200+的差异基因,通过对比公司的分析结果和我做的结果,几乎完成了复现。有一点区别在于我做了一些低表达基因的过滤,导致log2Foldchang和pvalue略微有些变化,但这区别可以忽略不计。

总结来说,由于算法的不同,不同差异分析的R包得到的差异基因数量不完全一致。重要的是,针对配对的样本,如果不进行配对分析而用常规的差异分析,这样的结果可能会大不相同。因此,在分析数据的时候,一定要明白实验设计。

最后,我还发现有意思的一个情况。在进行clusterProfilerR包的GSEA分析的时候,我用非配对分析得到的log2FoldChang出的GSEA结果,和配对分析得到的log2FoldChang出的GSEA结果几乎是一致的,尽管两种分析方法得到的log2FoldChang有很大差别。

posted on 2021-10-12  作者:admin  阅读量:

栏目导航

Powered by 短篇合集500篇最新章节列表-短篇合集手机官网-十八岁短视频 @2018 RSS地图 HTML地图

Copyright 站群系统 © 2013-2021 365建站器 版权所有