p 值直方图

完成检验后，请通过查看各个对比的 p 值分布来确认模型是否设定正确。回忆一下：当某个对比只有很少差异表达基因时，p 值应近似均匀分布；当存在大量差异表达基因时，p 值分布应向右偏斜。

本练习是课程的一部分

在 R 中使用 limma 进行差异表达分析

查看课程

练习说明

已将拟合后的模型对象 fit2 加载到您的工作空间。limma 包也已加载。

使用 topTable 获取对比 "dox_wt" 下每个基因的汇总统计量。返回的基因数量设为 fit2 的行数。
对 "dox_top2b" 和 "interaction" 两个对比重复上述操作。
使用 hist 分别为这三个对比的 p 值作直方图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Obtain the summary statistics for the contrast dox_wt
stats_dox_wt <- ___(fit2, coef = ___, number = ___,
                         sort.by = "none")
# Obtain the summary statistics for the contrast dox_top2b
stats_dox_top2b <- ___(fit2, coef = ___, number = ___,
                            sort.by = "none")
# Obtain the summary statistics for the contrast interaction
stats_interaction <- ___(fit2, coef = ___, number = ___,
                              sort.by = "none")

# Create histograms of the p-values for each contrast
___(stats_dox_wt[___])
___(stats_dox_top2b[___])
___(stats_interaction[___])

编辑并运行代码