limma真不愧是最流行的差異分析包，十多年過(guò)去了，一直是芯片數(shù)據(jù)處理的好幫手。

現(xiàn)在又可以支持RNA-seq數(shù)據(jù)，我趕緊試用了一下!

我下面只講用法，大家看代碼就明白了！

##
library(limma)
library(pasilla)
data(pasillaGenes)
exprSet=counts(pasillaGenes)
group_list=pasillaGenes$condition
## 只需自己構(gòu)造好表達(dá)矩陣exprSet和分因子即可group_list，一般只分成兩組！??！
##一般是自己讀取RNA-seq的基因的reads的counts數(shù)進(jìn)行分析，

##請(qǐng)不要用RPKM等經(jīng)過(guò)了normlization的表達(dá)矩陣來(lái)分析。
suppressMessages(library(limma))
design <->
colnames(design)=levels(factor(group_list))
rownames(design)=colnames(exprSet)
v <- voom(exprset,design,normalize="”quantile”)">
## 到這里就跟limma本身的用法一樣了！
fit <->
fit2 <->
tempOutput = topTable(fit2, coef=2, n=Inf)
DEG_voom = na.omit(tempOutput)
head(DEG_voom)

它也是用了一種統(tǒng)計(jì)方法，把RNA-seq的基因的reads的counts數(shù)進(jìn)行了normlization

本文固定鏈接: http://www./1544.html | 生信菜鳥(niǎo)團(tuán)