zoukankan      html  css  js  c++  java
  • 甲基化数据QC:使用甲基化数据计算样本间的相关性

    样本间的相关性,可以反映公司加样时是否存在重复加样的错误。

    下面简要介绍一下如果利用甲基化数据计算样本间的相关性

    1、提取甲基化探针的snp位点、CpG的beta值

    下面用的示例文件是minfi包自带的。

    如果是自己的数据,那么提取甲基化snp位点用的是没有经过过滤的原始数据。

    首先,安装:

    BiocManager::install(c("minfi","minfiData","sva"))
    library(minfi)
    library(minfiData)
    library(sva)
    baseDir <- system.file("extdata", package="minfiData")
    targets <- read.metharray.sheet(baseDir)
    RGSet <- read.metharray.exp(targets = targets)
    manifest <- getManifest(RGSet)
    

    这里可以看到不同探针的情况:

    一条龙服务,提取甲基化探针的snp位点、CpG的beta值:

    MSet <- preprocessRaw(RGSet) 
    RSet <- ratioConvert(MSet, what = "both", keepCN = TRUE)
    GRset <- mapToGenome(RSet)
    beta <- getBeta(GRset) #提取CpG的beta值
    snps <- getSnpBeta(RGSet) #提取SNP位点
    

    2、CpG和SNP的beta值位点示例结果

    提取完CpG和SNP后,看一下各自的示例结果:

    CpG的beta值示例结果:

    甲基化SNP位点的示例结果:

    3、计算相关性

    计算样本间的相关性,我们用R自带的cor函数即可。选用的数值为SNP的甲基化数值

    计算相关性代码:cor(snps)

    结果如下:

    这里解释一下,为什么不选用CpG的beta值计算相关性。

    如下图所示,我分别用了前100、1000、10000个CpG的beta值计算样本1(5723646052_R02C02)和样本2(5723646052_R04C01)的相关性,相关性均在0.97以上(蓝色框框),用snps位点计算相关性时,样本1和样本2的相关性则为0.1426071(红色框框)。

    可见,CpG的beta值计算出来的相关性都特别高,根本不能区别样本间真实的相关性。

    因此,计算样本间相关性,推荐甲基化探针的SNP位点。

  • 相关阅读:
    关闭游标
    OCP-1Z0-053-200题-19题-601
    OCP-1Z0-053-200题-17题-99
    OCP-1Z0-053-200题-18题-100
    OCP-1Z0-053-V13.02-99题
    OCP-1Z0-053-200题-16题-98
    OCP-1Z0-053-200题-15题-15
    OCP-1Z0-053-200题-14题-675
    OCP-1Z0-053-200题-13题-97
    OCP-1Z0-053-200题-12题-96
  • 原文地址:https://www.cnblogs.com/chenwenyan/p/12967865.html
Copyright © 2011-2022 走看看