dat什么文件格式 Bioconductor分析基因芯片数据第五章(7)

最后，重点讲一下topTbale函数，它的主要功能有三项：1.对贝叶斯检验得到的“P.Value"进行调整得到”adj.P.Value",调整的算法默认是BH(Benjamini-hochberg)算法2.生成全部基因的检验结果报表3.还可以通过某个参数来筛选具有显著性差异表达的基因，通常使用“adj.P.Value,常用的阈值一般是0.05或者0.01，也可以使用”P.Value"(见例5-13）这里有三点需要注意：1.topTable提供了多种方法可以做基因筛选，例5-13就通过对数化的变化倍数“lfc"去掉了一些在两组条件下变化不大的基因，但是这样做的理由并不是很充分，因为变化倍数不大的不一定就是没有显著变化2.topTable还提供了参数可以对基因进行排序，比如使用“adj.P.Value"从小到大排序，可以清楚地看到变化最显著的基因3.显著基因的选取具有一定的主观性，阈值设定是0.01还是0.05并没有严格的规定

找到了差异表达基因，接下来是使用注释包对差异表达基因进行注释。在4.2.3中的注释一部分讲解中提到过Bionconductor的几种注释方式，对affymetrix芯片产生的差异表达基因的注释就采用第一类注释方式，即下载对应具体平台的注释包，进行本地注释（这部分代码需要在例5-13后执行）。例5-14只用两种基因ID 来对探针组进行注释，有关用基因本体路（GO)和通路（pathway）注释的内容与5.4.3的GO和通路富集分析一起讲解

例5-14注释实质上就是一个ID映射的过程（见2.3.1），也就是把芯片探针组的ID映射到基因国际标准名称（gene symbol)和Gene symbol是由人类基因命名委员会（the hugo gene nomenclature committee,hgnc)为每个人类基因提供的唯一命名，一般是大写拉丁字母缩写形式，后面可加数字。NCBI对于每一条提交的序列，根据其存入的NCBI时的先后顺序赋给一个整数，这就是GI。这里增加了一列GI的目的，就是为了下一步通过GI映射到基因本体论（GO),然后做GO 的富集分析

差异基因注释后的下一步工作就是统计分析和可视化（见2.3）。对于差异表达分析，最主要的两种统计分析就是GO的富集分析（见2.4.4）和KEGG通路的富集分析（见2.4.5）。这两种分析方法分别由Bioconductor的Gostats包（见例5-15）和geneanswer包（见例5-16）实现

从例5-15最终结果（即变量"bp"）可以看到每个显著性富集的GOterm含有六列信息（不包括行号）：第1列是GO term的ID,该ID对应的内容在后面列出，如”GO:0022900",对应后面的“respiratory electron transport chain";第2列”p.value"是超几何检验的p值；第3列“oddsratio”是超几何分布中的比值；第5列“count”是差异表达基因中世纪属于这个GOterm的基因数量；低6列“size"是总基因中属于这个GO term的基因数量。以“GO:0022904"为例，此次分析的总基因数量为8804，差异表达基因数量是1138804个基因中有75个基因（即”size")属于”GO:0022904"，如果从8804个基因中随机抽取113个基因，那么113个基因中期望属于“GO:0022904"的基因数量应该是2.25（即”ExpCount"),而实际上12个（即‘Count")，根据这个情况，计算出来的P值应该是1.506871e-10(远远小于0.01），因此可以说差异显著基因在“GO:0022904"上是显著富集的。为了加深理解GO富集分析的计算过程，读者可以用简单函数来计算P值。另外5-15还通过函数htmlReport输出了HTML的报告文件，它在前面六列的基础上，多加了一列GO term的描述，并且链接到GO的官方网站

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/shumachanpin/article-87628-7.html