生信分析矫正P值_甲基化芯片数据的差异分析

 今天是生信星球陪你的第612天

---

   大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~

   就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~

   这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我！

花花写于2020-5-1，去年今天签了劳动合同，正式工作一周年啦~纪念一下。感谢曾老板！火山图有误，阅读原文看修改版

前情提要

前面两个步骤已经完成了数据下载、探针过滤、数据质控、样本过滤。

rm(list=ls())
load("./Rdata/step2_filtered_pd_myNorm.Rdata")
dim(myNorm)
#> [1] 412481     52
dim(pd)
#> [1] 52  4

此处需要补充两个知识点：

beta值的生物学意义

beta>=0.6 完全甲基化
beta<=0.2 完全未甲基化
0.2

差异分析的三个等级

DMP 位点 差异甲基化位点分析-limma
DMR差异甲基化区域分析(连续的差异片段)
DMB 更大的区域 /区域分类(某个基因附近的全部甲基化探针