条件全体で大幅に安定している遺伝子を特定する方法を探しています。つまり、標準的な DE 分析の反対です。
標準的な DE は、遺伝子を 2 つのカテゴリに分けます。一方では大幅に変化し、他方ではそれ以外のすべてが「残り」、もう一方は大幅に変化します。ただし、「残り」には、実際には変化しない遺伝子と、変化の信頼性がそれらを差異と呼ぶのに十分ではない遺伝子の両方が含まれます。
私が求めているのは、変化しないもの、つまり、自分の条件で変化がないと自信を持って言えるものを見つけることです。
DEseq では代替の帰無仮説を提供することでこれが可能であることはわかっていますが、これを追加のステップとして、すでに limma を使用している他の誰かのパイプラインに統合する必要があり、それに固執したいと思います。理想的には、DEseq で H0 を変更するのと概念的に似た方法で、DE と非変更遺伝子の両方をテストしたいと考えています。
現時点では、DE をテストするコードは次のようになります。
# shaping data
comparison <- eBayes(lmFit(my_data, weights = my.weights^2))
results <- limma::topTable(my_data, sort.by = "t",
coef = 1, number = Inf)
例として、私は次のようなものが好きですが、概念的には何でも構いません。
comparison <- eBayes(lmFit(my_data, weights = my.weights^2), ALTERNATIVE_H0 = my_H0)
私は、treat() が倍数の変更を提供することで間隔の帰無仮説を指定できることを知っています。
ただし、これはまだ0付近の中心間隔からの変化をテストしていますが、テストしたい間隔は[-inf、-lfc] + [lfc、inf]です。
私が見逃しているオプションはありますか？
ありがとう！