1介绍

我们的各个步骤指导您完成BEclear包在自己的章节。他们将遵循的逻辑顺序纠正一些批处理影响DNA甲基化数据的一个例子。这篇文章应该只给一个小教程,更详细的个人方法总是可以帮助部分中找到BEclear包,如通过打字calcBatchEffectsR环境包中加载。处理方法中包含BEclear包,一个矩阵或与基因data.frame row-names和样本列名以及样品与第一列data.frame命名“sample_id”和第二列命名“batch_id”作为输入。

2安装

BEclear在Bioconductor可用。因此可以使用安装它BiocManager:

如果(!requireNamespace (“BiocManager”,悄悄地= TRUE)) {install.packages (BiocManager)} BiocManager::安装(“BEclear”)

不然你也可以安装BEclear从Github库通过以下命令:

如果(!requireNamespace (“devtools”,悄悄地= TRUE)) {install.packages (devtools)} devtools:: install_github (“uds-helms / BEclear”)

我们通过Bioconductor然而推荐安装它,因为这负责安装的依赖关系而且可以参考Bioconductor的释放,当使用我们的方案,使您能够繁殖的具体条件。

代码的编译期间,许多地区的软件将自动检测正确的执行和预期结果的再生产。这是实现形式的单元测试的帮助下testthat包中。

当完成安装只需加载包通过键入:

库(BEclear) # >加载所需的包:BiocParallel

3数据

β值存储在ex.data矩阵得到从三级BRCA TCGA的数据门户(癌症基因组图谱研究网络等。2013年)。一般来说,β值计算甲基化信号的总和除以从DNA甲基化microrarray unmethylated和甲基化信号。TCGA的三级数据,这个计算已经完成。这里使用的示例数据包含平均β值的探测属于单个基因的启动子区域。另一种可能性是使用单探针β值,即探测器名称应该用来代替基因名字的rownames矩阵。

你可以通过下面的命令:样本数据加载

数据(“BEclearData”)

它包含一个矩阵与β值:

knitr: kable(交货。数据(1:10,1:5),标题= '一些条目从例子省际层面的)

和一个data.frame包含批次样品的分配:

knitr: kable(交货。样本[1:10],标题=一些条目示例样本注释)

4检测批处理效果

批处理效果的检测计算的β值之间的平均差异基因在一个批处理和这个基因在其他批次的值。而且我们使用非参数Kolmogorov-Smirnov测试(ks.test)来比较这种基因的β值的分布在批处理和其它批次。

如果一个基因在一批假定值决定的ks.test少或等于0.01和平均差大于或等于0.05被认为是批处理的影响。

batchEffect < - calcBatchEffects (data = ex.data = ex.samples样品,调整= TRUE,方法=“罗斯福”)# >信息(2023-04-25 16:16:56)转换矩阵的数据。表# >信息(2023-04-25 16:16:56)计算10批次的批处理影响# >信息[2023-04-25 16:16:57]调整假定值mdifs < - batchEffect医疗pvals < - batchEffect pval美元

摘要< - calcSummary(中位数= mdifs pvalues = pvals) # >信息[2023-04-25 16:16:58]生成汇总表knitr:: kable(头(总结),标题=对批处理的总结影响gene-sample示例数据集的组合)

分数< - calcScore(交货。数据、ex.samples总结,dir = getwd()) # >信息(2023-04-25 16:16:58)计算分数10批次knitr:: kable(得分,标题=“批分数示例的气候资料”)

5归责缺失值

缺失值的归责我们使用稍微描述随机梯度下降方法的修改版本科伦,贝尔和Volinsky (2009年)。在这一节中我们将描述这个方法的实现以及如何使用它。

我们假定我们的完整的数据矩阵\ (D_ {ij} \)可以被描述为一个矩阵的影响\ (L_i \)代表特征的影响(基因在我们的例子中)和一个矩阵\ (R_j \)描述样本的效果在以下方式:

\[开始\{方程}D_ {ij} = L_{我}^ {T} \ * R_ {j}。结束标记{1}\ \{方程}\]

上的方法可以运行完整的数据集或数据集可以分为块的方法。这种分裂成块允许parallelisation的方法,这可以有助于加快这一进程。我们发现一块60 x60行之有效(Akulenko山鸟和头盔2016年)。

计算每个块的误差在以下方式:

\[开始\{方程}errorMatrix_ {ij} = Block_ {ij} - L_{我}^ {T} \ * R_ {j}。结束标记{2}\ \{方程}\]

我们尽量减少以下损失函数通过梯度下降法:

\[开始\{方程}min_ {L R} \ sum_{在K ij \} (errorMatrix_ {ij} ^ 2) + \λ\(左\ \ lVert L_{我}\右\ rVert_ {F} ^{2} + \左\ lVert R_ {j} \右\ rVert_ {F} ^ {2})。结束标记{3}\ \{方程}\]在哪里\ (K \)元组的集合吗\ ((i, j) \)存在的价值。\λ(\ \)是惩罚系数,控制限制变量的选择应该如何。默认的\λ(\ \)是1。

另一个系数\γ(\ \)控件的大小两个矩阵的一步\ (L_i \)和\ (R_j \)被修改。默认初始化期间与0.01和它的值改变迭代(时代)。

第一次迭代的矩阵\ (L_i \)和\ (R_j \)充满了生成的随机值吗rnorm函数的统计数据包和最初的损失和误差矩阵计算。

然后为每个迭代完成如下:

• \ (L_i \)和\ (R_j \)被修改成比例的\γ(\ \)通过以下计算:

  • \[开始\{方程}L_i = L_i + 2 \ \伽马\乘以(errorMatrix_ {ij} \ * R_j - \λ\ * L_i)。(\ #情商:测井方式)\{方程}\]

  • \[开始\{方程}R_j = R_j + 2 \ \伽马\乘以(errorMatrix_ {ij} \ * L_i - \λ\ * R_j)。(\ #情商:Rmod) \{方程}\]

• 然后计算新的误差矩阵和损失。

• 如果旧的损失小于新一:

  • \ \(γ= \伽马\ div 2。\)

• 其他:

  • \ \(γ= 1.05。\ \伽马\倍)

的\ (L_i \)和\ (R_j \)矩阵迭代结束时最后一个然后使用转嫁丢失的数据。默认的迭代次数为50。

清除。数据< - clearBEgenes(交货。数据、ex.samples总结)# >信息[2023-04-25 16:16:58]删除值和批处理效果:# >信息[2023-04-25 16:16:58]510个值设置为NA(5.1%的数据)

图书馆(ids)纠正。< - imputeMissingData(清除数据。数据,rowBlockSize = 60, colBlockSize = 60,时代= 50,outputFormat = " ", dir = getwd()) # >信息[2023-04-25 16:16:58]开始缺失值的归责。# >信息(2023-04-25 16:16:58)这可能需要一段时间。# >信息[2023-04-25 16:16:58]BEclear归罪启动:# >信息[2023-04-25 16:16:58]块大小:60 x 60 # >信息[2023-04-25 16:16:58]归咎于缺失的数据块1的4 # >信息[2023-04-25 16:16:58]归咎于缺失的数据块2 4 # >信息[2023-04-25 16:16:58]归咎于缺失的数据块3的4 # >信息[2023-04-25 16:16:58]归咎于缺失数据块4的4

corrected.data.valid < -replaceOutsideValues (corrected.data) # >信息[2023-04-25 16:16:58]替换值低于0或高于1:# >信息[2023-04-25 16:16:58]0值替换

6整体调整

除了单个方法BEclear也提供了一个整体的方法,将执行所有的描述在一个叫前面的步骤。它还适用于一些预处理数据集,如果必要的。

结果< - correctBatchEffect (data = ex.data、样品= ex.samples) # >信息(2023-04-25 16:16:58)转换矩阵的数据。表# >信息(2023-04-25 16:16:58)计算10批次的批处理影响# >信息(2023-04-25 16:16:59)调整假定值# >信息汇总表(2023-04-25 16:16:59)生成一个# >信息(2023-04-25 16:16:59)计算分数10批次# >信息[2023-04-25 16:16:59]删除值和批处理效果:# >信息[2023-04-25 16:16:59]510个值(数据)的5.1%将NA # >信息[2023-04-25 16:16:59]开始缺失值的归责。# >信息(2023-04-25 16:16:59)这可能需要一段时间。# >信息[2023-04-25 16:16:59]BEclear归罪启动:# >信息[2023-04-25 16:16:59]块大小:60 x 60 # >信息[2023-04-25 16:16:59]归咎于缺失的数据块1的4 # >信息[2023-04-25 16:16:59]归咎于缺失的数据块2 4 # >信息[2023-04-25 16:16:59]归咎于缺失的数据块3的4 # >信息[2023-04-25 16:16:59]归咎于缺失的数据块4 4 # >信息[2023-04-25 16:16:59]替换值低于0或高于1:# >信息[2023-04-25 16:17:00]0值替换

返回一个列表包含所有结果执行功能。

7并行化

并行化我们使用BiocParellel包中。但是默认情况下所有方法都在串行模式下执行。的方法CalcBatchEffect,imputeMissingData和correctBatchEffect支持并行通过参数BPPARAM一个BiocParallel: BiocParallelParam类作为参数。

输入以下概述/支持评估环境:

? BiocParallel:: BiocParallelParam

8策划

另外BEclear还包括一批策划方法的效果。现在让我们使用makeBoxplot比较值的分布在不同的样品前后批效应校正:

makeBoxplot(交货。数据、ex.samples得分,bySamples = TRUE,坳=“标准”,主要=“示例数据”,xlab =“批处理”,ylab =“测试版”价值,scoreCol = TRUE)

图1:β值按样本分组分布的例子

makeBoxplot(纠正。数据、ex.samples得分,bySamples = TRUE,坳=“标准”,主要=“纠正示例数据”,xlab =“批处理”,ylab =“测试版”价值,scoreCol = FALSE)

图2:分布的修正β值按样本分组