title: “GSE93798”
 output: word_document
 
knitr::opts_chunk$set(echo = TRUE)
 
R Markdown
 
关于GSE93798的差异性分析、GO分析、KEGG分析、DO分析
 
rm(list = ls()) 


#RStudio控制台(console)中出现少量中文乱码的解决方法
Sys.setlocale("LC_ALL","Chinese")


# if (!requireNamespace("BiocManager", quietly = TRUE))
#   install.packages("BiocManager")
# BiocManager::available()
# 
# options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")

library(BiocManager)

#BiocManager::install('limma')
library(limma)

#install.packages("ggplot2")
library(ggplot2)

exp<-read.table("GSE93798_series_matrix1.txt",header = T,row.names = 1,comment.char = "!")


annot<- data.table::fread("GPL570.annot.gz",skip ="ID",data.table 

 
 
样本量大的时候做差异性分析容易得到有显著性差异的结论，原因如下图， 求p值的过程中，n越大，Z0也越大，相对应的p就小了。当然这里默认方差变化不大的情况下，因为一般来说很多数据经过平均后方差不会变化很大，相比平均前后的样本量。
 

  

   

   

    
   
  
  

   p值计算, from google image
  
 
 
下图中的数据，y1和y2的数据量各为1000，y1m和y2m数据量各为100， 是y1和y2每10个10个数据的平均，所以y1和y1m，y2和y2m的平均值相等，他们的方差也是基本没大变化，我们分别对y1和y2，y1m和y2m做下差异性分析，这里用单因素方差分析（anova1），其实用独立样本t-test会得到相同的结果（计算公式形式虽然不一样，但换汤不换药，结果一样的）.
结果是，y1和y2的p值为0.0189，他们之间有显著性差别；y1m和y2m的p值 0.4603，fail to reject原假设（H0： 他们之间没差别），不能说他们之间有显著性差别的。
 

  

   

   

    
   
  
  

 
 

  

   

   

    
   
  
  

   标准差
  
 
 
MATLAB代码
 
y1 = sin([0.01:0.01:10])*10;
y2= y1+0.7;
p  = anova1([y1;y2]')

y1m = mean(reshape(y1,10,100));
y2m = mean(reshape(y2,10,100));
pm  = anova1([y1m;y2m]')

subplot(2,1,1)
plot(y1,'.')
hold on 
plot(y2, '.')
legend('y1','y2')
subplot(2,1,2)
plot(y1m,'.')
hold on
plot(y2m,'.')
legend('y1m','y2m')

 

 参考：
 
1.《医学案例统计分析与SAS应用》，冯国双

做基因表达分析时必然会要做差异分析（DE）
 
DE的方法主要有两种：
 
Fold change
t-test
fold change的意思是样本质检表达量的差异倍数，log2 fold change的意思是取log2，这样可以可以让差异特别大的和差异比较小的数值缩小之间的差距。
 
 
Q-value，是P-value校正值，P值是统计差异的显著性的。Q值比P值更严格的一种统计。
 
p-value 就是 t-test 来的：
 
 
 
 
 
 
参考：
 
https://www.cnblogs.com/leezx/p/7132099.html