← 返回软件与算法资源类型 R 包 方法分类 差异表达分析 原始分类 Differential Expression 创建时间 2026/6/3
Software & Algorithm Detail
差异表达分析Differential ExpressionR 包
limma-voom
将 RNA-seq counts 转换为带权重的线性模型分析，适合复杂设计和大队列。
Benchmark
性能基准测试
当前图表用于比较不同数据规模下的时间消耗和内存消耗。
性能基准测试
R 4.4 / limma 3.x / complex design
Documentation
软件原理、用法与参数
统一使用 Markdown 文档渲染，保留命令行代码块、参数表和示例说明。
limma-voom
工具定位
limma-voom 继承 limma 成熟的线性模型体系，适合批次、配对、交互项等复杂设计。
核心思想
通过 voom 估计 mean-variance trend，为每个观测值生成权重，再用 empirical Bayes 进行稳定检验。
输入与输出
| 数据对象 | 说明 |
|---|---|
| count matrix | 上游分析输入 |
| design matrix | 上游分析输入 |
| 差异分析结果 | 下游解读结果 |
| voom mean-variance 图 | 下游解读结果 |
示例命令
library(limma)
library(edgeR)
y <- DGEList(counts)
y <- calcNormFactors(y)
design <- model.matrix(~ batch + group, data = meta)
v <- voom(y, design)
fit <- eBayes(lmFit(v, design))
topTable(fit, coef = 'grouptreat')
解读要点
- 大队列和复杂设计时非常稳健，但需要认真构建设计矩阵。
- voom 图可用于检查均值方差关系是否被合理建模。
- 批次变量不能与分组完全混杂，否则模型不可解释。