グループ平均モデルのデザイン行列
前の章では、従来の treatment-contrasts パラメータ化を用いて白血病データの差次的遺伝子発現（DE）を検定しました。より柔軟なグループ平均パラメータ化を学ぶ第一歩として、同じ結果が得られることを確認するために、白血病データをもう一度検定します。
この演習はコースの一部です
R での limma を用いた Differential Expression 解析
演習の手順
白血病データを含む ExpressionSet オブジェクト eset がワークスペースに読み込まれています。
model.matrixを使って、切片なしのデザイン行列を作成してください。本研究での関心のある変数（進行がん vs. 安定がん）は、フェノタイプデータフレームのDisease列にあります。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create design matrix with no intercept
design <- ___(~___ + ___, data = ___(eset))
# Count the number of samples modeled by each coefficient
colSums(design)