ChAMP包学习(1)

idat数据类型
该包包含两个测试数据集，一个是HumanMethylation450 data (.idat)，另一个是模拟的EPIC data，可以用来测试ChAMP中可用的函数。这可以通过将目录指向testDataSet来加载，如下所示:

library("ChAMP")
testDir=system.file("extdata",package="ChAMPdata")
myLoad <- champ.load(testDir,arraytype="450K")

450k肺肿瘤数据集仅包含8个样本，4个肺肿瘤样本(T)和4个对照样本(C)，我们使用这个数据集来展示ChAMP的功能。

---

对于EPIC仿真数据集，我们可以使用以下代码进行加载:

data(EPICSimData)

该仿真数据集包含16个样本，它们实际上都来自一个样本，但都被修改为DMP和DMR，并且单独存在一些误差方差。在这16个样本数据集中，我们模拟了8个样本作为对照，8个样本作为case，样本在EPICSimData对象的pd中标记。在此数据中，我们从bumphunter package的clusterMaker()函数中随机选取5000个区域。在每个区域，我们随机选择一些连续的CpGs作为DMR，然后增加或减少该DMR的beta值。因此，该数据集中的DMR(4700+)应该小于5000，因为一些模拟DMR只包含1-2个CpGs，所以在champ.DMR()函数中不被认为是DMR。用户可以使用这些数据测试ChAMP在EPIC数据上的功能。

---

450k肺肿瘤数据集仅包含8个样本，4个肺肿瘤样本(T)和4个对照样本(C)，接下来，我们使用450K这个数据集来展示ChAMP的功能。

ChAMP包用于分析Illumina甲基化beadarray数据(EPIC和450k)，并提供了一个集成分析450k和EPIC分析方法。这包括各种不同的数据导入方法(例如从.idat文件或beta值矩阵导入)和质量控制图。
Type-2 probe correction methods include SWAN1, Peak Based Correction (PBC)2 and BMIQ3 (the default choice).
minfi包也提供了流行的功能归一化方法。
奇异值分解(SVD)方法允许处理批次效应，纠正多个批次处理效果，采用Combat包实现。采用RefbaseEWAS9可以校正细胞类型的异质性。
ChAMP还包括一个函数，该函数可以从450k或EPIC数据中推断拷贝数变异。

为了识别差异甲基化区域(DMR)， ChAMP除了提供Bumphunter和DMRcate这两种检测差异甲基化的方法，还提供了新的Probe Lasso Method。

对于那些需要寻找差异甲基化区块（ Differentially Methylated Blocks）的人，新版ChAMP包含了一个检测这些区块的功能。

基因集富集分析(GSEA)也是可能的，ChAMP的新版本结合了一些方法，可以纠正由于基因中探针表示不均匀而造成的偏差。

此外，新版ChAMP还整合了FEM 包，该包可以在用户指定的基因网络（表现出不同表型间甲基化的差异）中推断基因模块。

虽然还有一些管道和包可以用于450k或EPIC阵列分析(比如IMA、minfi、methylumi、RnBeads和wateRmelon)。ChAMP提供了一个更加全面完整的分析管道，从读取原始数据文件到最终的三级分析结果，例如GSEA，它为研究人员简化了甲基化阵列分析。新版ChAMP还提供了一系列闪亮的、基于程序的web浏览器交互分析函数(GUI函数)，以帮助科学家查看ChAMP的结果。这需要一个基于web浏览器的交互式框架，用于本地或远程调用图形系统。

安装

if (!requireNamespace("BiocManager", quietly=TRUE))
    install.packages("BiocManager")
BiocManager::install("ChAMP")

Test Data

该包包含两个测试数据集，一个是HumanMethylation450 data (.idat)，另一个是模拟EPIC data，可以用来测试ChAMP中可用的函数。可以像下面这样将目录指向testDataSet来加载它

library("ChAMP")
testDir=system.file("extdata",package="ChAMPdata")
myLoad <- champ.load(testDir,arraytype="450K")

image.png image.png