lumi-对illumina的bead系列的表达谱和甲基化芯片标准化

hfliu

lumi包主要的功能就是对illumina公司出产的bead系列的表达谱芯片和甲基化芯片进行处理和标准化，具体的使用教程见lumi包的手册，主要的分析步骤包括：
*读入数据，数据为Illumina BeadStudio (GenomeStudio)的输出文件；
*质量控制；
*BeadArray-specific variance stabilization;
*标准化和基因注释

---

一般的分析流程均为读取数据，背景校正，转化，标准化，质量控制，这五个步骤在lumi包中分别对应着lumiR,lumiB,lumiT,lumiN,lumiQ这五个函数，同时lumi包还将后四个函数分装成了一个函数即lumiExpresso,这一个函数可以一步实现整个流程的处理。（这些函数仅针对表达谱芯片，如果是甲基化芯片则对应的函数为lumiMethyR,lumiMethyB,lumiMethyN）,下面以表达谱芯片为例，利用lumi包对其进行处理。
Tip
除了可以对芯片数据进行预处理和标准化以外，lumi还可以将探针的ID转化为EntrezID,RefSeqID等，同时还可以从读入的BeadStudio (GenomeStudio)的输出文件中获得controldata,controlProbe,controlType等信息，还能将文件处理为GEO要求的文件格式。


首先下载BeadStudio (GenomeStudio)的输出文件，使用的例子为名为GSE40553_Original_IlluinaFile_FromBeadStudio_UKpatients的文件，下面用lumi包对其进行预处理和标准化，具体的R代码如下:

[Python] 纯文本查看 复制代码

library(lumi)
#specify the file name,BeadStudio/GenomeStudio output file
filename <- "GSE40553_Original_IlluinaFile_FromBeadStudio_UKpatients.txt"
#load the data
x.lumi <- lumiR(filename)
pData(phenoData(x.lumi))
#Background correction of Illumina Expression data
lumi.b <- lumiB(x.lumi,method = "bgAdjust")#method contain 'none','bgAdjust','forcePositive', 'bgAdjust.affy'.....
#Transfer the Illumina data to stabilize the variance
lumi.t <- lumiT(lumi.b,method = "log2")#method contain 'vst','log2','cubicRoot'...
#normalization
lumi.n <- lumiN(lumi.t,method = "quantile")#method contain 'quantile','rsn', 'ssn','loess','vsn','rankinvariant'...
#Quality control
lumi.q <- lumiQ(lumi.n)
#A summary of the QC
summary(lumi.q, 'QC')
#express value
expr <- exprs(lumi.q)
#画箱线图看表达矩阵数据分布情况
par(cex = 0.7)
n.sample=ncol(expr)
cols <- rainbow(n.sample*1.2)
boxplot(expr, col = cols,main="expression value1",las=2)

画出的如大致如下


用lumiExpresso函数直接对读入的初始数据进行处理,一个函数执行完B,T,N,Q四步

[Python] 纯文本查看 复制代码

lumi.NQ <- lumiExpresso(x.lumi) 
expr1 <- exprs(lumi.NQ)
par(cex = 0.7)
n.sample=ncol(expr1)
cols <- rainbow(n.sample*1.2)
boxplot(expr1, col = cols,main="expression value2",las=2)

得到的图如下


##
可以清晰的看出分别用lumiB,T,N,Q四个函数处理的结果和lumiExpresso处理的结果有差异，这是因为在B,T,N三个函数中均可以选择处理的方法，而直接用lumiExpresso函数使用的是默认参数，所以使得两者结果有差异，当然，使用lumiExpresso函数时候也可以指定参数，例如，lumi.N <- lumiExpresso(example.lumi, variance.stabilize=FALSE, normalize.param = list(method=‘quantile’))##No variance stabilizing or log transform, use Quantile normalization
##更加具体的用法可以查阅lumi包的手册

渊梦无痕

有部分芯片没有提供beststudio或者genomestudio软件导出的lumibatch对象。只提供raw.data和non normalize txt 文件 。raw.data没有什么用 都是一样的   26.2m大小。 non normalize不是lumibatch对象 所以不能从lumi包处理开始。

小蛮爱吃肉

渊梦无痕 发表于 2017-9-28 22:49
有部分芯片没有提供beststudio或者genomestudio软件导出的lumibatch对象。只提供raw.data和non normalize t ...

有没有办法解决这个问题