ChAMP分析甲基化芯片数据-差异分析上篇

经过预处理之后的数据，就可以进行差异分析了。对于甲基化芯片而言，有两个方面的差异分析

1. DMP 差异甲基化探针

2. DMR 差异甲基化区域

在ChAMP包中，champ.DMP函数用于分析差异甲基化探针，champ.DMR函数用于分析差异甲基化区域。本章我们先看下差异探针的分析

champ.DMP函数的用法示例

myDMP <- champ.DMP()

在差异分析时，我们需要两个输入数据，一个就是探针的表达谱数据，beta  matrix, 另外一个就是样本的分组信息。

在champ.DMP函数中，默认myNorm作为归一化之后的beta  matrix，对于样本的分组信息，ChAMP默认从Samplesheet.csv文件中读取，在数据导入成功后，myLoad$pd代表的就是SampleSheet.csv文件的信息，所以myLoad$pd$Sample_Group 代表样本的分组信息。

在差异分析时，最关键的就是差异分组问题。在实验设计阶段，有很多类型的分组设计，比如最常见的case_vs_control, 两个group的分组;多个组织，比如3个组织，共3个group; 时间序列，比如药物处理后的几个时间点。不同的实验设计，在差异分析时，想要关注的差异点自然不同，在分析时也要采取不同的分析策略。

对于ChAMP来说，上述的几种分组设计都是支持。

champ.DMP计算过程分为以下3步：

1. 检测样本分组，确定分组比较

测试数据分成T和C两组，每组各4个样本、

在这一步，需要确定两个因素：

• 分组的类型
  主要识别分组变量是离散型还是连续型，如果是字符串型character, 就是离散型，如果是数值型numeric, 就是连续型。不同的类型，采取的差异分析策略不同。
  测试数据是字符型的两个group, 具体的输入信息如下

• 分组的个数
  确定group的个数，2个group 肯定是两者之间进行差异分析，但是当group 个数3个或以上时，就需要确定如何分组比较。 默认情况下两两之间都进行差异分析，如果你不需要这么多的差异结果，可以通过compare.group 参数指定， compare.group参数的值是一个list, list 中的每个元素是一个长度为2的向量，指定了用于差异分析的两个group

[ Section 1:  Check Input Pheno Start ]
 You pheno is character type.
   Your pheno information contains following groups. >>
   C:4 samples.
   T:4 samples.
   [The power of statistics analysis on groups contain very few samples may not strong.]
   pheno contains only 2 phenotypes
   compare.group parameter is NULL, two pheno types will be added into Compare List.
   C_to_T compare group : C, T
[ Section 1:  Check Input Pheno Done ]

进行差异探针分析

通过调用limma 函数进行差异分析，默认通过BH方法进行多重建设检验的校正，p.adjust < 0.05 的认为是差异探针

可以通过adjPVal参数修改p.adjust的阈值，当然也可以修改adjust.method 参数的值，调整多重假设检验校正的算法，默认值为BH, 可选值包括 “none”, “BH”, “BY”, “holm”。

[ Section 2:  Find Differential Methylated CpGs Start ]
 Start to Compare : C, T
 Contrast Matrix
     Contrasts
Levels pT-pC
   pC    -1
   pT     1
 You have found 4283 significant MVPs with a BH adjusted P-value below 0.05.
 Calculate DMP for C and T done.
[ Section 2:  Find Numeric Vector Related CpGs Done ]

添加差异探针的注释信息

之前的分析都是针对探针的beta matrix 进行的分析，找的差异探针之后，我们肯定希望知道这个探针对应的基因，染色体位置等注释信息。这一步实际就是在已有的差异结果的基础上，追加探针的注释信息。

[ Section 3:  Match Annotation Start ]
[ Section 3:  Match Annotation Done ]

结果展示

str(myDMP)
List of 1
$ C_to_T:’data.frame’:    4283 obs. of  23 variables:
 ..$ logFC                : num [1:4283] 0.724 …
 ..$ AveExpr              : num [1:4283] 0.398 …
 ..$ t                    : num [1:4283] 28.2 …
 ..$ P.Value              : num [1:4283] 1.74e-08…
 ..$ adj.P.Val            : num [1:4283] 0.00703…
 ..$ B                    : num [1:4283] 7.6 7.05 …
 ..$ C_AVG                : num [1:4283] 0.0358 …
 ..$ T_AVG                : num [1:4283] 0.759 …
 ..$ deltaBeta            : num [1:4283] 0.724 …
 ..$ CHR                  : Factor w/ 25 levels “”,”1”,”10”,”11”,..: 
 ..$ MAPINFO              : int [1:4283] 141516291 …
 ..$ Strand               : Factor w/ 3 levels “”,”F”,”R”: 3 2 …
 ..$ Type                 : Factor w/ 2 levels “I”,”II”: 2 2 …
 ..$ gene                 : Factor w/ 20622 levels “”,”A1BG” …
 ..$ feature              : chr [1:4283] “Body” “Body” …
 ..$ cgi                  : Factor w/ 4 levels “island”,”opensea”,..: …
 ..$ feat.cgi             : Factor w/ 28 levels “1stExon-island”,..: 13 …
 ..$ UCSC_CpG_Islands_Name: Factor w/ 27177 levels “”,”chr1:10003165-10003585”,..: 18278 …
 ..$ DHS                  : logi [1:4283] NA NA NA NA NA NA …
 ..$ Enhancer             : logi [1:4283] TRUE TRUE NA NA NA NA …
 ..$ Phantom              : Factor w/ 11912 levels “”,”high-CpG:100009860- …
 ..$ Probe_SNPs           : Factor w/ 56004 levels “”,”rs10000615”,..:
 ..$ Probe_SNPs_10        : Factor w/ 35790 levels “”,”rs10000804” …

myDMP 就是最终的差异分析结果，是一个list对象，list中的每个元素是两个group之间差异分析的结果。

测试数据只有两个分组，所以list 中只有一个元素。差异分析的结果是一个data.frame对象，可以分成3个部分。

从logFC到B的部分是limma 差异输出结果， C_AVG到deltaBeta是每组表达量的均值，deltaBate是两组均值的差，CHR到Probe_SNPs_10是探针的注释信息。