R数据挖掘 | 批次效应的处理

docs/2023-09/R数据挖掘___批次效应的处理.md

@@ -0,0 +1,15 @@
+---
+title: "R数据挖掘 | 批次效应的处理"
+date: 2023-09-14T16:00:20Z
+draft: ["false"]
+tags: [
+  "fetched",
+  "生信小白要知道"
+]
+categories: ["Acdemic"]
+---
+R数据挖掘 | 批次效应的处理 by 生信小白要知道
+------
+<div><section data-tool="mdnice编辑器" data-website="https://www.mdnice.com" data-mpa-powered-by="yiban.io"><blockquote data-tool="mdnice编辑器"><blockquote><p>在使用多个GEO数据集进行Bulk组织RNAseq数据分析的时候，常常会遇到<strong>批次效应</strong>的问题，今天分享两个去除Bulk组织中批次效应的方法。</p></blockquote></blockquote><h2 data-tool="mdnice编辑器"><span></span>什么是批次效应？</h2><p data-tool="mdnice编辑器">批次效应（<code>Batch Effect</code>）是指的是在实验过程中引入的<strong>非生物学的技术或实验变异</strong>，可能源自实验的不同运行批次、不同的实验人员、仪器的不同或者实验条件的变化等。</p><h4 data-tool="mdnice编辑器"><span></span>批次效应特点<span></span></h4><ul data-tool="mdnice编辑器"><li><section><code>数据不一致性</code>：批次效应导致同样的生物样本在不同批次中产生不一致的测量结果。</section></li><li><section><code>掩盖生物学信号</code>：批次效应可能掩盖了真实的生物学差异。</section></li><li><section><code>增加噪声</code>：批次效应增加了数据的噪声，降低了实验的灵敏度和准确性。</section></li><li><section><code>降低可重复性</code>：如果批次效应没有被适当地控制和校正，那么实验的可重复性和可比性将会降低。</section></li></ul><h4 data-tool="mdnice编辑器"><span></span>批次效应解决<span></span></h4><ul data-tool="mdnice编辑器"><li><section><code>批次随机化</code>：在实验设计阶段，尽量随机分配样本到不同批次，以减小批次效应的影响。</section></li><li><section><code>质量控制</code>：对实验中不同批次的数据进行质量控制，包括检查异常值和离群值，以确保数据的质量。</section></li><li><section><code>校正方法</code>：<strong>使用统计方法来校正批次效应。这包括ComBat、SVA、PCA校正等方法，可以在数据分析之前对数据进行批次校正。</strong></section></li><li><section><code>整合数据</code>：对于多个批次的数据，可以采用数据整合的方法来合并不同批次的信息，例如单细胞RNA-seq数据的整合。</section></li></ul><h2 data-tool="mdnice编辑器"><span></span>去除批次效应R语言实现</h2><h4 data-tool="mdnice编辑器"><span></span>在GEO数据库中下载两个不同数据集的数据，<strong>GSE211167</strong>和<strong>GSE229119</strong>。<span></span></h4><p data-tool="mdnice编辑器">关于GEO数据的下载方法可以参考之前的推文</p><blockquote data-tool="mdnice编辑器"><p><a href="https://mp.weixin.qq.com/s?__biz=Mzg2NjYzNjQ4Ng==&amp;mid=2247486294&amp;idx=1&amp;sn=b70aaa7ab76ec5c27ddf7afbf740b8ba&amp;chksm=ce468cfff93105e9f60e5c304c2625a8f26ad0832c2f27cb9a8079bdf4e8121e537fad30aac3&amp;token=560068309&amp;lang=zh_CN&amp;scene=21#wechat_redirect" data-linktype="2">GEO数据库介绍 | 三种方式下载GEO数据</a></p></blockquote><h4 data-tool="mdnice编辑器"><span></span>可以使用我下载好的数据<span></span></h4><p data-tool="mdnice编辑器">百度云链接：https://pan.baidu.com/s/1iVOmz_DyjroTqbZPt48frQ 提取码：b91f</p><h3 data-tool="mdnice编辑器"><span></span>数据加载<span></span></h3><pre data-tool="mdnice编辑器"><span></span><code><span>library</span>(dplyr)<br><span>library</span>(data.table)<br>GSE211167_tpm &lt;- fread(<span>"./GSE211167_tpm_matrix.txt"</span>,data.table = <span>F</span>)<br>GSE229119_log2TPM &lt;- fread(<span>"./GSE229119_log2TPM.txt"</span>,data.table = <span>F</span>)<br></code></pre><figure data-tool="mdnice编辑器"><img data-ratio="0.29130434782608694" data-src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAGwGafVw436Htug4IT2gYbYdfttFxhPqAXAU0m4aoPaVPAx42EqiaQlEw/640?wx_fmt=png" data-type="png" data-w="460" src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAGwGafVw436Htug4IT2gYbYdfttFxhPqAXAU0m4aoPaVPAx42EqiaQlEw/640?wx_fmt=png"><figcaption>GSE211167</figcaption></figure><figure data-tool="mdnice编辑器"><img data-ratio="0.24858757062146894" data-src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAGmxOlTcBcJqUlHkP1ndfiaGxdCmzeM9V8st45w3Hk5PJ0x9X81pau23A/640?wx_fmt=png" data-type="png" data-w="531" src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAGmxOlTcBcJqUlHkP1ndfiaGxdCmzeM9V8st45w3Hk5PJ0x9X81pau23A/640?wx_fmt=png"><figcaption>GSE229119</figcaption></figure><h3 data-tool="mdnice编辑器"><span></span>数据预处理<span></span></h3><p data-tool="mdnice编辑器">由于下载的数据标准化方式不一样，所以需要先对数据进行预处理，主要涉及<strong>数据统一标准化、重新命名样本名以及数据的合并</strong>。</p><p data-tool="mdnice编辑器">关于R语言数据处理的学习也可以看之前的介绍。</p><blockquote data-tool="mdnice编辑器"><p><a href="https://mp.weixin.qq.com/s?__biz=Mzg2NjYzNjQ4Ng==&amp;mid=2247486354&amp;idx=1&amp;sn=ef696ddffb7c1b2ee3fda6e96227ec90&amp;chksm=ce468c3bf931052d5583e7f0ee8776bbe6ae5189ce38ec0e0a5f1d2e5d95dc88f0d9164a1af5&amp;token=560068309&amp;lang=zh_CN&amp;scene=21#wechat_redirect" data-linktype="2">R语言数据处理 | dplyr包的使用（一）</a><br><a href="https://mp.weixin.qq.com/s?__biz=Mzg2NjYzNjQ4Ng==&amp;mid=2247486354&amp;idx=1&amp;sn=ef696ddffb7c1b2ee3fda6e96227ec90&amp;chksm=ce468c3bf931052d5583e7f0ee8776bbe6ae5189ce38ec0e0a5f1d2e5d95dc88f0d9164a1af5&amp;token=560068309&amp;lang=zh_CN&amp;scene=21#wechat_redirect" data-linktype="2">R语言数据处理 | dplyr包的使用（二）</a><br><a href="https://mp.weixin.qq.com/s?__biz=Mzg2NjYzNjQ4Ng==&amp;mid=2247486453&amp;idx=1&amp;sn=79303287c1c2d66c8edf435e4224ca83&amp;chksm=ce468c5cf931054a8478231f88885e2eb3708d50514d72e390ebcd5cbad164ac183bb565dbde&amp;token=560068309&amp;lang=zh_CN&amp;scene=21#wechat_redirect" data-linktype="2">R语言数据处理 | apply系列函数的区别和使用</a></p></blockquote><pre data-tool="mdnice编辑器"><span></span><code>GSE211167_tpm &lt;- data.frame(t(GSE211167_tpm)) <span>#转换行列</span><br>colnames(GSE211167_tpm) &lt;- c(paste0(<span>"Data1_"</span>,<span>1</span>:<span>26</span>)) <span>#样本重命名</span><br>GSE211167_tpm$gene &lt;- rownames(GSE211167_tpm) <span>#基因名</span><br><br>GSE229119_tpm &lt;- GSE229119_log2TPM %&gt;% select(-gene) <span>#去除基因列</span><br>GSE229119_tpm &lt;- data.frame(apply(GSE229119_tpm, <span>2</span>, <span>function</span>(x){<span>2</span>^(x)})) <span>#数据转换成tmp值</span><br>colnames(GSE229119_tpm) &lt;- c(paste0(<span>"Data2_"</span>,<span>1</span>:<span>28</span>))<span>#样本重命名</span><br>GSE229119_tpm$gene &lt;- GSE229119_log2TPM$gene <span>#基因名</span><br><br>combine_data &lt;- inner_join(GSE229119_tpm,GSE211167_tpm) <span>#合并数据</span><br><br>norm_data &lt;- combine_data %&gt;% select(-gene) <span>#去除基因名</span><br>norm_data &lt;- data.frame(apply(norm_data, <span>2</span>, <span>function</span>(x){round(log2(x+<span>1</span>),<span>2</span>)})) <span>#统一标准化</span><br>rownames(norm_data) &lt;- combine_data$gene <span>#命名行名</span><br></code></pre><h3 data-tool="mdnice编辑器"><span></span>查看批次效应<span></span></h3><p data-tool="mdnice编辑器">可以使用箱线图来看一下批次效应，也可以使用pca图、热图等，比较常用的是箱线图</p><pre data-tool="mdnice编辑器"><span></span><code><span>## 查看批次效应</span><br><span>## 各选10各样本，箱线图看批次效应</span><br>box_draw &lt;- norm_data %&gt;% select((paste0(<span>"Data1_"</span>,<span>1</span>:<span>10</span>)),(paste0(<span>"Data2_"</span>,<span>1</span>:<span>10</span>)))<br>boxplot(box_draw, col = <span>"lightblue"</span>,las = <span>2</span>)<br></code></pre><figure data-tool="mdnice编辑器"><img data-ratio="0.6175925925925926" data-src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAGib8K8ibh6AyItiaNszvuCeJdhIUbObyicgF8zic3nibDPAmAJhw02j8Oby2Q/640?wx_fmt=png" data-type="png" data-w="1080" src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAGib8K8ibh6AyItiaNszvuCeJdhIUbObyicgF8zic3nibDPAmAJhw02j8Oby2Q/640?wx_fmt=png"></figure><p data-tool="mdnice编辑器">可以看到两组数据存在明显的批次效应</p><h3 data-tool="mdnice编辑器"><span></span>limma包去除批次效应<span></span></h3><p data-tool="mdnice编辑器">limma包的removeBatchEffect函数可以用来去除批次效应。</p><pre data-tool="mdnice编辑器"><span></span><code><span>## 使用limma的 removeBatchEffect 函数</span><br><span>library</span>(limma)<br><span># 样本分组信息，我这里随便分组的，根据情况可以调整</span><br>group_list &lt;- c(rep(<span>"tumor"</span>,<span>13</span>),rep(<span>"normal"</span>,<span>13</span>),rep(<span>"tumor"</span>,<span>14</span>),rep(<span>"normal"</span>,<span>14</span>)) <br>batch &lt;- c(rep(<span>"Data1"</span>,<span>26</span>),rep(<span>"Data2"</span>,<span>28</span>)) <span>#批次信息</span><br>design=model.matrix(~group_list)<br>Batch_limma &lt;- removeBatchEffect(norm_data,batch = batch,design = design)<br><br><span>## 看一下去除之后的箱线图</span><br>Batch_limma_draw &lt;- Batch_limma %&gt;% data.frame() %&gt;% select((paste0(<span>"Data1_"</span>,<span>1</span>:<span>10</span>)),(paste0(<span>"Data2_"</span>,<span>1</span>:<span>10</span>)))<br>boxplot(Batch_limma_draw, col = <span>"lightblue"</span>,las = <span>2</span>)<br></code></pre><figure data-tool="mdnice编辑器"><img data-ratio="0.6584234930448223" data-src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAG8BeKwHBHeNmM8gPibDx3Tx6QicvWTEcgd8Q6LAmOfIVvSO0qyWOTgkYg/640?wx_fmt=png" data-type="png" data-w="647" src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAG8BeKwHBHeNmM8gPibDx3Tx6QicvWTEcgd8Q6LAmOfIVvSO0qyWOTgkYg/640?wx_fmt=png"><figcaption>去除批次效应后</figcaption></figure><p data-tool="mdnice编辑器"><strong>limma包去除批次效应，除了输入批次信息外，还需要样本分组信息。</strong></p><h3 data-tool="mdnice编辑器"><span></span>sva包去除批次效应<span></span></h3><p data-tool="mdnice编辑器">sva包的ComBat函数专门用来去除批次效应，<strong>只需要输入批次信息，不需要分组信息</strong>，个人比较推荐这个。</p><pre data-tool="mdnice编辑器"><span></span><code><span>library</span>(sva)<br>batch &lt;- c(rep(<span>"Data1"</span>,<span>26</span>),rep(<span>"Data2"</span>,<span>28</span>)) <span>#批次信息</span><br>combat_data &lt;- ComBat(norm_data, batch = batch)<br><br><span>## 看一下去除之后的</span><br>combat_data_draw &lt;- combat_data %&gt;% data.frame() %&gt;% select((paste0(<span>"Data1_"</span>,<span>1</span>:<span>10</span>)),(paste0(<span>"Data2_"</span>,<span>1</span>:<span>10</span>)))<br>boxplot(combat_data_draw, col = <span>"lightblue"</span>,las = <span>2</span>)<br></code></pre><figure data-tool="mdnice编辑器"><img data-ratio="0.6584234930448223" data-src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAG8BeKwHBHeNmM8gPibDx3Tx6QicvWTEcgd8Q6LAmOfIVvSO0qyWOTgkYg/640?wx_fmt=png" data-type="png" data-w="647" src="https://mmbiz.qpic.cn/mmbiz_png/FiciaODWjVz620sK3Bwfs9vY69Y8o6lzAG8BeKwHBHeNmM8gPibDx3Tx6QicvWTEcgd8Q6LAmOfIVvSO0qyWOTgkYg/640?wx_fmt=png"></figure><h4 data-tool="mdnice编辑器"><span></span>以上就是两个方法去除批次效应，limma的优势是做差异分析的时候可以直接用，比较方便。sva包则需要单独做完再进行差异分析。</h4></section><p><mp-style-type data-value="3"></mp-style-type></p></div>  
+<hr>
+<a href="https://mp.weixin.qq.com/s/e4eW_Blu4zMNP0gGbmT_jw",target="_blank" rel="noopener noreferrer">原文链接</a>