limma 差异性分析logFC代码

`limma` 是 Bioconductor 包中的一个流行工具，用于在高通量基因表达数据中进行差异表达分析。当你想计算两个组之间每条基因的 log Fold Change (logFC) 时，可以按照以下步骤编写 R 语言代码：

# 首先，假设你已经有了一个叫做 "exprs" 的矩阵，其中包含样本的表达值，并且数据已经被分成了两列，比如 "group1" 和 "group2"

library(limma)

# 加载 limma 库
data <- read.table("your_data_file.txt", header=TRUE) # 替换为你的数据文件路径

# 确保你的数据已经包含了行索引（基因ID）和列索引（样本）
rownames(data) <- data$Gene_ID
colnames(data) <- c("group1", "group2") # 或者根据实际样本名修改

# 创建设计矩阵（design），通常是一个模型矩阵，包括截距项和其他因素（如对照组、处理等）
design <- model.matrix(~0 + group, data=data)

# 使用 eBayes 进行稳健的估计和多重比较校正
fit <- lmFit(data, design)
contrasts.fit <- contrasts.fit(fit, list(group = c(-1, 1))) # 设定对比，这里是 group1 对比 group2
fit <- eBayes(contrasts.fit)

# 计算 logFC 和 p-value
topTable(fit, coef=2, lfcThreshold=|logFC_threshold|, adjust.method="holm")

# 其中，
# `coef=2` 表示对比的系数，对于上述的 group 术语，系数 2 是 group1 vs group2
# `lfcThreshold` 是 logFC 的阈值，你可以根据需要调整
# `adjust.method` 是多重比较方法，如 "holm" 是Holm方法，还有"bonferroni"、"BH"等选项

运行以上代码后，你会得到 logFC 结果以及显著性水平的统计信息。记得将 "your_data_file.txt" 和 "Gene_ID" 替换为你的实际文件路径和基因ID列名。