在進行數(shù)據(jù)分析時,limma作為一個功能十分強大的存在,而且3步（1.ImFit; 2.eBayes; 3.topTable）就能完成差異分析。但是在做差異分析的時候limma需要的有3樣?xùn)|西。

表達矩陣

分組矩陣

差異比較矩陣

本人就在做contract martix時過于隨意，誰比誰沒有搞清楚導(dǎo)致發(fā)生了小意外。故事發(fā)生在最近論文的復(fù)現(xiàn)，用到了GSE19804.

load('changedID_19804.Rdata')              #此數(shù)據(jù)是我自己進行了ID轉(zhuǎn)換的表達矩陣，其他東西沒有改變
library(limma)

design <- model.matrix(~0+factor(group_list))
colnames(design)=levels(factor(group_list))
rownames(design)=colnames(sf)
design

contrast.matrix<-makeContrasts(Cancer-Normal,levels = design)
contrast.matrix

fit <- lmFit(sf,design)
fit2 <- contrasts.fit(fit, contrast.matrix)
fit2 <- eBayes(fit2)
tempOutput = topTable(fit2, coef=1, n=Inf)

library(ggpubr)
df=nrDEG
df$v= -log10(P.Value) 
ggscatter(df, x = "logFC", y = "v",size=0.5)

df$g=ifelse(df$P.Value>0.01,'stable', 
            ifelse( df$logFC >1,'up',
                    ifelse( df$logFC < -1,'down','stable') ))
table(df$g)
df$name=rownames(df)
head(df)
ggscatter(df, x = "logFC", y = "v",size=0.5,color = 'g',title = 'GSE19804_DEGs')

可以看到，制作差異比較矩陣的時候，是Cancer組比Normal，Cancer寫在前面。

contrast.matrix<-makeContrasts(Cancer-Normal,levels = design)

那如果寫反了呢？

up 和 down 都會反過來。連數(shù)據(jù)也部分顛倒。

也不算錯得很離譜吧。。就是全部東西都顛倒了而已。如果記性好的話，還是問題不算太多。可是我就是記性不好那個。所以說還是規(guī)范起來，Cancer寫左，Normal寫右吧。

最后附上JM大神寫的關(guān)于limma包是否需要比較矩陣的帖子https://github.com/bioconductor-china/basic/blob/master/makeContrasts.md