Single-channel基因芯片笔记

数据：single channel的RMA data

数据来源：ArrayExpression

RMA数据处理

A<- read.csv(file="datExpr0.csv",header=TRUE,as.is=T)#读取表达值（如果没合并的话就先跑前面那几句合并的命令，这里放的是合并的表达值）

A2<-A[,2:22] #读取数据，这里读取的是数据，不读取第一列，因为还没对第一列进行命名

A2<-as.matrix(A2)#转成矩阵，看情况转不转吧

rownames(A2)<-A[,1]#把A的第一列命名成A2的列名

datExpr1.log2<-Biobase::exprs(A3) #跑不了

A4=log2(A3+1) #我这里对基因芯片的RMA值进行log2TPM+1的归一化

??exprs()#exprs()用不了，如果可以用的话用exprs()

?Biobase::exprs()

Design文件：

##主要是矩阵文件，也就是0-1矩阵，官方提供两种模式，一种是分离型，一种是合并型，这里我用搞得是分离型0-1矩阵，详情看limma的mannual吧.

kk<- read.csv(file="design.csv",header=TRUE,as.is=T)

head(kk1)

class(kk1)

kk1<-kk[,2:11]

rownames(kk1)<-kk[,1]#所有的数据都一样，先提数据，不要第一列的名字，提完数据之后再对数据进行第一列命名（也就是行名命名）

mode(kk)<-"numeric"

差异表达

fit<-lmFit(A4,kk1)

cont.matrix <-makeContrasts(LeafD0.5h-LeafD0h,levels=kk1)#LeafD0.5h vs LeafD0h,之所以是剪发也是因为log化的，两者之比等于log两者之减

fit2<-contrasts.fit(fit, cont.matrix) 

fit2<-eBayes(fit2)

LeafD0.5hVSLeafD0h<-topTable(fit2, adjust="BH",n=30000) #这个函数不写n的话默认只出前20行，所以把n写到最大，然后赋值给某个变量就可以了。

write.csv(LeafD0.5hVSLeafD0h,file="LeafD0.5hVSLeafD0h.csv") #这里做出来的只有一组，需要把所有组的都做出来然后进行合并

合并命令

LeafD0.5hVSLeafD0h<-read.csv("LeafD0.5hVSLeafD0h.csv",head=TRUE,as.is=T)

LeafD2hVSLeafD0h<-read.csv("LeafD2hVSLeafD0h.csv",head=TRUE,as.is=T)

LeafD6hVSLeafD0h<-read.csv("LeafD6hVSLeafD0h.csv",head=TRUE,as.is=T)

LeafD12hVSLeafD0h<-read.csv("LeafD12hVSLeafD0h.csv",head=TRUE,as.is=T)

RootD0.5hVSRootD0h<-read.csv("RootD0.5hVSRootD0h.csv",head=TRUE,as.is=T)

RootD2hVSRootD0h<-read.csv("RootD2hVSRootD0h.csv",head=TRUE,as.is=T)

RootD6hVSRootD0h<-read.csv("RootD6hVSRootD0h.csv",head=TRUE,as.is=T)

RootD12hVSRootD0h<-read.csv("RootD12hVSRootD0h.csv",head=TRUE,as.is=T)

a=merge(a, RootD12hVSRootD0h,by="ID")

#融合命令，将多个表格按照ID那一列的顺序进行合并。

余下的困惑

还是不太懂RMA数据应该怎么处理，本来应该用exprs()处理RMA的，可以我就是跑不出来，提示了

Error in (function (classes, fdef, mtable)  : unable to find an inherited method for function ‘exprs’ for signature ‘"matrix"’

我也看不懂它到底数据要什么格式，所以蒙圈中...

第二点就是，不太确定RMA数据应该怎么处理，我只是查了一部分资料，仍然没办法确定是否用RMA数据进行差异表达分析。。。