哈佛大学——差异表达分析（十三）似然比检验结果

最新推荐文章于 2022-12-18 12:58:04 发布

零级伪码农

最新推荐文章于 2022-12-18 12:58:04 发布

阅读量6k

点赞数

分类专栏：笔记 RNA-seq 文章标签：生物信息学 r语言数据分析

本文链接：https://blog.csdn.net/weixin_46585008/article/details/109564255

版权

本文探讨了DESeq2中的似然比检验（LRT），解释了LRT如何检测多组间的表达变化，并与Wald检验进行比较。通过LRT筛选显著基因，发现与Wald检验的基因列表有高度重叠。此外，通过层次聚类识别了具有共享表达谱的基因簇，为后续的功能分析和生物学解释奠定了基础。

摘要由CSDN通过智能技术生成

学习目标

使用LRT提取结果，并与Wald检验进行比较
从LRT显著基因列表中识别共享表达谱

似然比检验(LRT)结果探索

DESeq2还提供了似然比检验作为跨两个以上组别评估表达变化的备选方法。被认定为有意义的基因，是那些在不同的因素水平上向任何方向上表达变化的基因。
一般来说，这种检验会比个体两两比较产生更多的基因。虽然LRT是对任何水平差异的显著性检验，但我们不应该期望它完全等于使用Wald检验的几组基因的并集(尽管我们确实期望高度的重叠)。

results()表

要从dds_lrt对象提取结果，可以使用与Wald检验相同的results()函数。没有必要做对比，因为我们不是在做两两比较。

# Extract results for LRT
res_LRT <- results(dds_lrt)

让我们看一下结果表:

# View results for LRT
res_LRT

log2 fold change (MLE): sampletype MOV10 overexpression vs control 
LRT p-value: '~ sampletype' vs '~ 1' 
DataFrame with 57761 rows and 6 columns
                        baseMean     log2FoldChange              lfcSE             stat               pvalue                 padj
                       <numeric>          <numeric>          <numeric>        <numeric>            <numeric>            <numeric>
ENSG00000000003 3525.88347786355 -0.438245423329571 0.0774607246185232 40.4611749305021 1.63669402960044e-09 3.14070461117016e-08
ENSG00000000005 26.2489043110535 0.0292079869376247  0.441128912409409 1.61898836146221    0.445083140923522     0.58866891597654
ENSG00000000419 1478.25124052691  0.383635036119846  0.113760957175207 11.3410110249776  0.00344612277761083   0.0122924772964227
ENSG00000000457