limma

【r<-差异分析】当使用limma时，它在比较什么

差异分析流程示例与资料基因芯片的差异表达分析主要有构建基因表达矩阵、构建实验设计矩阵、构建对比模型（对比矩阵）、线性模型拟合、贝叶斯检验和生成结果报表六个关键步骤。下面是模拟的一个示例：#Simulategeneexpressiondatafor100probesand6microarraexprSets#MicroarraexprSetareintwogroups#Firsttwoprobesa
王诗翔·2020-02-08 01:52

GEO数据库 mRNA芯片分析全流程

分析流程主要包括基于limma包的差异分析、pheatmap包的热图和ggplot2的火山图（包括对基因的批量标记）。
多啦A梦詹·2020-02-06 12:48

heatmap绘制

，其中表达谱必须是矩阵为热图上方的bar赋值annotation_col=data.frame(Gender=group)rownames(annotation_col)=colnames(expr_limma
PriscillaBai·2020-02-02 22:02

limma差异分析

Q：该如何选择limma,DESeq2,edgeRA：各有各自应用的场景如果是芯片数据，一般选择limma，毕竟它是处理芯片数据之王。不过edgeR也可以。
PriscillaBai·2020-02-02 06:35

【生信技能树】R语言练习题 - 高级

长沙站广州珠江新城GEO数据挖掘滚动开班题目来源：http://www.bio-info-trainee.com/3409.html安装一些R包：数据包：ALL,CLL,pasilla,airway软件包：limma
猫叽先森·2020-01-08 14:08

RNASEQ分析入门笔记8-使用DESeq2进行表达差异分析

基因的差异表达分析，通常使用R中的软件包，包括：DESeq2，edgeR，limma等，今天介绍DESeq2的分析流程：1、在R中安装DESeq2软件包source("http://bioconductor.org
括囊无誉·2019-12-20 05:30

R语言ROC曲线绘制01-survivalROC

专为学术绘图而生（二）ggstatsplot-专为学术绘图而生(一)生存曲线R语言GEO数据挖掘01-数据下载及提取表达矩阵R语言GEO数据挖掘02-解决GEO数据中的多个探针对应一个基因R语言GEO数据挖掘03-limma
白介素2·2019-12-15 23:45

R语言生存分析03-Cox比例风险模型

专为学术绘图而生（二）ggstatsplot-专为学术绘图而生(一)生存曲线R语言GEO数据挖掘01-数据下载及提取表达矩阵R语言GEO数据挖掘02-解决GEO数据中的多个探针对应一个基因R语言GEO数据挖掘03-limma
白介素2·2019-12-13 22:56

GEO分析

library(Biobase)library(GEOquery)library(limma)##loadseriesandplatformdatafromGEO##不需改动gset1)idx100)|
苏慕晨枫·2019-12-06 14:14

limma用户手册

第8章线性模型概述8.1背景介绍limma软件包使用称为线性模型的方法来分析设计的微阵列实验。这种方法允许分析非常一般的实验，就像分析简单的重复实验一样容易。这种方法在[42,55]中进行了概述。
yangliunk1987·2019-11-08 07:37

典型医学设计实验GEO数据分析 (step-by-step) - Limma差异分析、火山图、功能富集

典型医学设计实验GEO数据分析(step-by-step)-数据获取到标准化介绍了实验的设计、数据获取、数据标准化和注释，下面是如何利用Limma和线性模型鉴定差异基因，并进行GO富集分析。
生信宝典·2019-10-31 03:00

2019-10-03-练习使用limma、Glimma和edgeR，做RNA-seq数据分析

d521459ae1d0操作方法参见https://www.jianshu.com/p/f635f60e1c8a1.初始配置rm(list=ls())options(stringsAsFactors=F)library(limma
程凉皮儿·2019-10-04 00:56

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ComBatorremovebatcheffectsvialimmapackage这里说最好不要用
王子狐·2019-08-22 17:34

从GEO数据下载到limma差异分析，再到topGO富集分析

一个失败案例，不要点进来GSE2034topGO1.DEG1.1下载GEO数据library(GEOquery)f100)||(qx[6]-qx[1]>50&&qx[2]>0)||(qx[2]>0&&qx[2]1&&qx[4]logFC_cutoff,ifelse(DEGdf$logFC>logFC_cutoff,"UP","DOWN"),"NOT")title2]=2do_mtx[do_mtx%
美式永不加糖·2019-07-05 21:39

【生信进阶练习1000days】day16~day22-RNA-seq data analysis with limma edgeR and Glimma

文章目录学习来源1.数据准备学习目标1.1安装RNAseq123包和所需的包，并下载样本数据1.2读入文件1.3构建样本的分组信息1.4基因注释2.数据预处理2.1转换count数据为CPM值2.2过滤表达量太低的基因2.3基因表达标准化2.4样本非监督聚类3.差异表达分析3.1差异表达分析3.2绘制Venn图3.3导出差异表达基因的数据3.4ExaminingindividualDEgenesf
Candlelight_yujia·2019-06-19 10:48

GSEA分析笔记

之前对芯片数据的分析，基本上就是limma包进行差异分析，然后对差异基因进行GO富集分析。
dming1024·2019-05-09 21:42

p.value和FDR

最近用limma作差异分析，接触p.value和adj.p.value比较多，今天就重点解释下p.value和FDR吧：在topTable函数的结果里，我们都会看到p.value和adj.p.value
Juan_NF·2019-05-08 15:56

无参转录组差异表达分析（重点火山图）

library(limma)library(ggplot2)library(DESeq2)library(pheatmap)options(stringsAsFactors=F)raw_count1,]
多啦A梦的时光机_648d·2019-04-26 11:48

用R语言分析：RNAseq表达矩阵样本的差异性

我们之前介绍了limma包，limma包是对基因芯片表达矩阵的分析，不能对逆转录RNAseq表达矩阵进行分析（因为数据特征不同），RNAseq需要用另一种方法：DESeq2（注：基因芯片和RNAseq是测定表达量的两种方式
mayoneday·2019-04-01 22:49

R:limma表达谱分析

添加第一列列名为id清空空字符文件保存为csv格式#表达矩阵>exprSet=read.csv("PC表达差异.csv",header=T,row.names="id")>exprSet[1:5,1:5]N1N2N3N4N5ASCRP0000017.7249777.8671827.7163207.8089997.769155ASCRP0000029.3580839.4198309.36681010
小米羊爱学术·2019-03-06 10:17

RNAseq 必读综述和在线教程

他们得出的主要结论是NOIseq，limma+voom和DESeq2是精度，准确度和灵敏度三者平衡最好的几组软件。
思考问题的熊·2019-02-23 22:51

limma: topTable

adj.P.ValP-valueafteradjustmentformultipletesting.Thiscolumnisgenerallyrecommendedastheprimarystatisticbywhichtointerpretresults.GeneswiththesmallestP-valueswillbethemostreliable.P.ValueRawP-valuetMod
浩瀚之宇·2018-12-03 22:04

用DESeq2包来对RNA-seq数据进行差异分析

转自jmzeng用DESeq2包来对RNA-seq数据进行差异分析jmzeng2016年4月11日差异分析的套路都是差不多的，大部分设计思想都是继承limma这个包，DESeq2也不例外。
7c7e9108d052·2018-07-28 10:32

转录组学习七（差异基因分析）

samtools排序）转录组学习六（reads计数与标准化）转录组学习七（差异基因分析）转录组学习八（功能富集分析）任务载入表达矩阵，然后设置好分组信息用DEseq2进行差异分析，也可以走走edgeR或者limma
Dawn_天鹏·2018-03-29 20:47

转录组入门（7）：差异表达分析

这个步骤推荐在R里面做，载入表达矩阵，然后设置好分组信息，统一用DEseq2进行差异分析，当然也可以走走edgeR或者limma的voom流程。
徐洲更hoptop·2017-11-27 21:28

用R和BioConductor进行基因芯片数据分析(五)：芯片间归一化

这里用到Bioconductor的一个package，叫做limma，以及其中的函数normalizeBetweenArrays() 由于normalizeBetweenArrays()需要log
·2015-11-07 11:02

limma包的使用技巧

limmar package是一个功能比较全的包，既含有cDNA芯片的RAW data输入、前处理（归一化）功能，同时也有差异化基因分析的“线性”算法（limma: Linear Models for
·2015-11-05 09:18

用R和BioConductor进行基因芯片数据分析(五)：芯片间归一化

这里用到Bioconductor的一个package，叫做limma，以及其中的函数normalizeBetweenArrays() 由于normalizeBetweenAr
·2015-11-01 08:55
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他