用RankComp的思想来做差异基因分析

ulwvfje — Fri, 22 Jan 2016 13:40:49 +0000

是福建医科大学的学者开发的，

文章里面详细讲解了他们的这个差异分析的统计学原理

大意就是找到同一组织的normal样本的表达量数据，几百个，这样就可以分析2万基因之间的互相配对，检测表达量是否在几百个样本里面稳定的不一样！

我现在还不是很确定这个方法，只是试一试，欢迎与我交流对该方法的讨论！

文章是：

Wang H, Sun Q, Zhao W, et al. Individual-level analysis of differential expression of genes and pathways for personalized medicine[J]. Bioinformatics, 2014: btu522.

他们把它写成了一个R包，可以下载使用，但是必须用R2.15.2版本，我用了一下，不好用！

We can download the R code for in http://bioinformatics.oxfordjournals.org/content/31/1/62/suppl/DC1

他们这个程序真心不好用，但是很容易看懂算法，可以自己用R语言写一个来实现同样的过程！

比如A基因在几百个样本里面表达量都是3左右，而B基因都是5左右，而且满足99%的A表达量高于B，那么这就是一个稳定的基因对！

一般2万基因之间可以配成2亿个基因对，其中稳定的大概有10%~40%

然后我们对每个疾病样本都可以进行检验，看看这样稳定的基因对是否被改变！

比如，我们拿到一个疾病样本的2万个基因的表达量，我们挑取一个，如果它有100个稳定的up的基因对，100个稳定的down的基因对

那么，我看看这些基因对是否被改变了，如果这样还有70基因对在该疾病样本里面仍然是up，60个是down，那么我用Fisher精确检验的结果是

这个基因在该疾病样本，相对于normal pool并没有差异表达！当然检验得到的P值最后可以做FDR校验。

依次这样，把所有的gene都分析完，就知道这个样本有哪些差异的gene了。

介绍完原理，我们拿一个具体的例子来看看吧：

首先我们下载一个2008年的一个人的肝脏表达数据（Gene Expression in Human Liver），都是正常组织，共427个样本。

不过这个芯片比较小众，是默克医药公司定制化的，需要下载探针对应gene的文件！

http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE9588

http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL4372

我们读取GSE9588这个数据，得到表达矩阵，然后计算rank矩阵，然后计算得到comp矩阵

> table(rank_comp)

rank_comp

down no up

58479 465752098 58479

不知道为什么这个数据，stable的那么少，不知道是不是出了什么问题！

其实我的程序都是对的了，只是因为这个数据集已经不是纯粹的表达量数据了，而是这427个样本的数据都减去了某个样本的表达量。

这样每个个体的基因之间的表达量排序就会被干扰，导致得到的稳定基因对非常少！！！

但是，我后来下载了GTEx的表达数据，拿那里面的normal组织样本表达量来做，可以得到非常多的稳定基因对。

实际代码大概是：

得到正常组织的表达矩阵：

然后计算表达矩阵的rank，得到各个样本自己的基因排序情况，得到排序矩阵！

处理排序矩阵，每个基因对之间都算一下是否稳定，得到稳定性描述矩阵！

然后根据每个疾病个体的基因表达情况，来循环每个基因，看看该基因是否差异！

生信菜鸟团 » RankComp

用RankComp的思想来做差异基因分析