@zhoujj2013
2017-08-11T06:16:07.000000Z
字数 478
阅读 619
service
对于原始的芯片数据,取 log2(expr_value) 进行数据标准化。对于差异基因表达分析,先用limma R 语言分析包进行样品间数据标准化,用超几何检验差异表达基因的显著性,用Benjamini & Hochberg (False discovery rate)对检验的pvalue进行多重检验校正,最后以log2(Fold Change) >= 0.58 或者log2(Fold Change) <= 0.58为阀值检测差异表达基因。
差异基因检测结果,如下:
| 上调/下调 | 探针数 | 基因数 |
|---|---|---|
| 上调(up) | 590 | 479 |
| 下调(down) | 743 | 561 |
样品间数据差异分析,如下图所示不同组别的数据会聚类在一起:
![expr.table.png-55.9kB][1]
基因表达量总表:Gene_expression_table.xlsx
差异表达基因检测表:DEGs.xlsx (DEGs_table sheet)
表达上调基因:DEGs.xlsx (DEGs_up sheet)
表达下调基因:DEGs.xlsx (DEGs_down sheet)