筛选低表达基因的几种方法

在RNA-Seq流程中,第一步是载入counts数据,我们可以使用DGEList工具或者自己组建表达矩阵。接下来就应该是筛选过低表达的基因,是必须要做的一项工作。

Filtering to remove low counts
Genes that have very low counts across all the libraries should be removed prior to downstream analysis. This is justified on both biological and statistical grounds. From biological point of view, a gene must be expressed at some minimal level before it is likely to be translated into a protein or to be considered biologically important. From a statistical point of view, genes with consistently low counts are very unlikely be assessed as significantly DE because low counts do not provide enough statistical evidence for a reliable judgement to be made. Such genes can therefore be removed from the analysis without any loss of information.

无论从生物学角度还是统计学角度,都应该去除低表达基因;生物学角度看,一个基因必须有一定的表达量,才能够转录、翻译蛋白质并有生物学意义;从统计角度看,一个过低表达的基因不能够获得显著性差异,不具有统计学意义

我们假设使用一个样本数20-25M的样本库举例 —— 好吧如果较真的话是 GSE60450。此样本分组情况是6个组,每组两个重复。

group
B.lactating B.pregnant B.virgin L.lactating L.pregnant L.virgin
          2          2        2           2          2        2

使用cpm手动筛选

As a rule of thumb, we require that a gene have a count of at least 10–15 in at least some libraries before it is considered to be expressed in the study. We could explicitly select for genes that have at least a couple of counts of 10 or more, but it is slightly better to base the filtering on count-per-million (CPM) values so as to avoid favoring genes that are expressed in larger libraries over those expressed in smaller libraries. For the current analysis, we keep genes that have CPM values above 0.5 in at least two libraries:

首先要遵循的一条原则是:一个基因的count数,至少在某些样本中应达到10-15。我们可以人工规定,只计算10以上的。但是,用cpm代替rowcounts要好那么一丢丢。cpm众所周知是消除测序深度差异。
使用cpm>0.5进行筛选,得到了1w+结果

> keep <- rowSums(cpm(y) > 0.5) >= 2
> table(keep)

keep
FALSE  TRUE
10704 15653

为什么选择cpm>0.5这个数值呢?因为cpm0.5 ≈ 10/L,L是 minimum library size in millions, 而这个实验的L是20-25million。那么10/20=0.5。注意这个0.5并不是很重要,我们只是简单估计。这个数值对后续分析的影响也不会太大。
>=2 , 表示对每个基因(每行),其在至少两个libraries 中cpm要>0.5。选择2因为每组都有2两个重复。换句话说就是,至少在每组的两个重复样本中cpm>0.5, 我们就保留,否则就去掉。

使用counts直接筛选

上面使用cpm的筛选可以最大限度的保留符合条件的基因。如果我们赶时间的话,也可以直接使用counts筛选:keep <-rowSums(y$counts) > 50

使用edgeR的filterByExpr方法筛选

keep <- filterByExpr(exprSet,group = group)

这个方法比较方便,而且实际筛选出来的基因数量较少,我试着我试着去看edgeR的源码,居然没有搜到这个方法,只有介绍。

应用筛选结果

y <- y[keep, , keep.lib.sizes=FALSE]

keep.lib.sizes=FALSE参数在过滤结束后重新计算样本库size,一般推荐是这样做的。尽管做不做对后续影响都不大...

小结

Whatever the filtering rule, it should be independent of the information in the targets file. It should not make any reference to which RNA libraries belong to which group, because doing so would bias the subsequent differential expression analysis.

无论何种筛选方法,都应该独立于目标文件进行。避免指定哪个RNA属于哪个group。否则会对下游分析产生影响

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,080评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,422评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,630评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,554评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,662评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,856评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,014评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,752评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,212评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,541评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,687评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,347评论 4 331
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,973评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,777评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,006评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,406评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,576评论 2 349

推荐阅读更多精彩内容