GEO芯片联合分析批次校正combat/limma

批次校正的原因和方法

校正批次效应这篇说可以用combat来进行批次校正
校正批次效应这篇说limma和combat都可以
ComBat or removebatcheffects via limma package这里说最好不要用combat进行批次校正，应该选择limma包的removebatcheffects()
好的，那我用limma，然而新的问题又出现了：
是先组间校正还是先批次校正？

limma还可以用来做RNA-seq的normalizationvoom

这篇好像可以回答
芯片数据的标准化方法
惊觉自己好像弄混了RNA-seq和芯片的normalization
DNA微阵列（基因芯片）简介
芯片校正原理

如何用limma进行批次校正

y <- matrix(rnorm(10*9),10,9)
y[,1:3] <- y[,1:3] + 5
batch <- c("A","A","A","B","B","B","C","C","C")
y2 <- removeBatchEffect(y, batch)
par(mfrow=c(1,2))
boxplot(as.data.frame(y),main="Original")
boxplot(as.data.frame(y2),main="Batch corrected")

批次校正结果

看起来似乎还需要组间校正？

combat与limma对比

combat

首先按照果子老师的帖子进行批次校正，校正后聚类，因为之前上课做组间校正用了boxplot，也好奇批次校正后有什么区别

校正前后

好像没有太大区别，稍微集中了一些

limma

before <- edata
batch <- pheno$batch
after <- removeBatchEffect(edata, batch)
par(mfrow=c(1,2))
boxplot(as.data.frame(before),names = F,main="Original")
boxplot(as.data.frame(after),names = F,main="Batch corrected")

limma_batchcorreted

boxplot看不出差别

聚类对比

combat vs limma

好像combat的错误更少一点

分析流程

暂时理解：

1. 首先对一个GSE芯片数据进行组间校正
2. 数据normalization
3. 将不同GSE合并，再做批次校正？

不知道怎么搞啊