그룹-평균 모델을 위한 설계 행렬
이전 장에서는 전통적인 처리-대조(parmametrization) 방식으로 백혈병 데이터를 사용해 차등 발현을 검정했어요. 더 유연한 그룹-평균 파라미터화 방식을 배우기 위한 첫 단계로, 동일한 결과가 나오는지 확인하기 위해 백혈병 데이터를 다시 분석해 보겠습니다.
이 연습은 강의의 일부입니다
R에서 limma로 하는 차등 발현 분석
연습 안내
백혈병 데이터가 담긴 ExpressionSet 객체 eset이 워크스페이스에 로드되어 있어요.
model.matrix를 사용해 절편이 없는 설계 행렬을 만드세요. 이 연구에서 관심 있는 변수(진행성 vs. 안정형 암)는 표현형 데이터 프레임의Disease열에 있음을 기억하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create design matrix with no intercept
design <- ___(~___ + ___, data = ___(eset))
# Count the number of samples modeled by each coefficient
colSums(design)