如何将 MA 列表转换为表达式矩阵？答案

【问题标题】：how to convert MA list to expression matrix?如何将 MA 列表转换为表达式矩阵？
【发布时间】：2021-02-20 10:03:57
【问题描述】：

我正在做安捷伦双通道微阵列分析的差异表达，我得到了 MA 列表，我想将其转换为表达矩阵，我可以使用 MAlist$A 来生成它，因为它是 log2 值。 M矩阵有很多负值，真的很低，不知道好不好？这是箱线图

我的代码

  require('limma')
    
    targetinfo <- readTargets('targets.txt', sep = '\t')
    project <- read.maimages(targetinfo, source = 'agilent')
    # Perform background correction on the fluorescent intensities
   MA <- backgroundCorrect(project, method = 'normexp', offset = 16)

这是我的 target.txt

show(targets)
                    FileName disease
1  SampleFiles/GSM176570.txt   FX     
2  SampleFiles/GSM176575.txt   FX     
3  SampleFiles/GSM176579.txt   FX     
4  SampleFiles/GSM176583.txt   FX     
5  SampleFiles/GSM176586.txt   C     
6  SampleFiles/GSM176589.txt   C

【问题讨论】：

标签： r limma

【解决方案1】：

简短的回答是您应该使用 M 值。我看不到你的目标文件，所以我不知道背景校正完成了什么。

转换的一个好方法是使用convert 包，如这个manual for expression set 所示，所以下面我使用了一个类似于你的example data：

library(limma)
targetinfo <- readTargets("TargetBeta7.txt")
project <- read.maimages(targetinfo,source="genepix")
project <- backgroundCorrect(project, method="normexp", offset=50)
MA <- normalizeWithinArrays(project)

然后转换：

#install using BiocManager::install("convert")
library(convert)
eset = as(MA, "ExpressionSet")

您可以检查值：

head(exprs(eset))
    6Hs.195.1    6Hs.168     6Hs.166    6Hs.187.1     6Hs.194   6Hs.243.1
1 -0.14680077  0.1104113 -0.01172555 -0.057836495 -0.06372548  0.85761577
2 -0.08776962  0.1893185 -0.02600634 -0.072301864  0.19329923  1.39021146
3  0.55834060  0.3051494  0.33223516 -0.008061431  0.46835596  0.41179532
4  0.21925587  0.4453152 -0.10680881 -0.026872543  0.09459589 -0.01676835
5 -0.33695592 -0.2091978 -0.13209201 -0.093929553 -0.16276967 -0.19276659
6 -0.46437638 -0.2647629 -1.04651233 -0.067690463 -0.20793054 -0.39403884

和它一样：

head(MA$M)
      6Hs.195.1    6Hs.168     6Hs.166    6Hs.187.1     6Hs.194   6Hs.243.1
[1,] -0.14680077  0.1104113 -0.01172555 -0.057836495 -0.06372548  0.85761577
[2,] -0.08776962  0.1893185 -0.02600634 -0.072301864  0.19329923  1.39021146
[3,]  0.55834060  0.3051494  0.33223516 -0.008061431  0.46835596  0.41179532
[4,]  0.21925587  0.4453152 -0.10680881 -0.026872543  0.09459589 -0.01676835
[5,] -0.33695592 -0.2091978 -0.13209201 -0.093929553 -0.16276967 -0.19276659
[6,] -0.46437638 -0.2647629 -1.04651233 -0.067690463 -0.20793054 -0.39403884

【讨论】：

非常感谢。我使用了来自 GEOdataset 的数据并且没有 targets.txt 文件，所以我根据这个线程中的代码创建了一个 biostars.org/p/281922/#282138 我将我的 target.txt 添加到原始帖子中
在 GEOdataset 的论文中他们提到了以下内容我们还通过使用来自 14 个人的汇集总 RNA 作为参考来制作参考目标，并用 Cy3 荧光标记它。。他们没有指定哪些样本，也没有目标文件