FEM是一个整合RANSEQ和DNA甲基化数据的R包，由Andrew E. Teschendorff 和 Zhen Yang 开发、维护。
不多说，下面介绍如何使用FEM整合RANSEQ和DNA甲基化数据分析。
1、安装、下载FEM
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("FEM")
library(FEM)
2、下载数据adj.m
adj.m数据存储在网址（https://sourceforge.net/projects/signalentropy/files/?source=navbar）的“hprdAsigH-13Jun12.Rd”上，下载“hprdAsigH-13Jun12.Rd”即可。
“hprdAsigH-13Jun12.Rd”文件包含三个数据："hprdAsigH.m"、"sigHclassA.v"、"sigHclassA2.v"
"hprdAsigH.m"为我们后续分析需要的数据。
“hprdAsigH-13Jun12.Rd”数据也可以通过公众号bio生物信息后台发生关键字“FEM”获得。
3、准备DNA甲基化数据
DNA甲基化数据取得是beta值，这里我们命名为“beta”，示例图如下所示：
行名为每个CpG位点的ID，列名为每个样本的ID。
4、准备DNA甲基化数据对应的表型文件
DNA甲基化数据对于的表型文件，我们命名为group，其示例图如下所示：
表示为第一个样本sample1是control，第二个样本sample2是control，第三个样本sample3是case，以此类推。beta文件的sample和group是一一对应的。
5、准备RANSEQ基因表达数据
RANSEQ基因表达数据，我们命名为need，其示例如下所示：
行名是每一个基因的entrez gene IDs，列名是每一个样本名。
6、准备RANSEQ基因表达数据对应的表型文件
RANSEQ基因表达数据对应的表型文件，我们命名为gg, 示例图如下所示：
表示的是每一个样本对应的是case还是control。与DNA甲基化的情况一样，need文件的sample和group是一一对应的。
7、生成DNA差异甲基化统计量
如果是850k，则用以下命令：
statM.o=GenStatM(beta,group,"EPIC")
如果是450K，则用以下命令：
statM.o=GenStatM(beta,group,"450K")
生成的statM.o结果包含三个数据："top"、 "cont"、"avbeta"
"top"是差异甲基化的统计结果,top是一个list，差异甲基化结果一般存储在top的第一个元素（item）中；
"cont"是差异甲基化分析时构建的case-control；
"avbeta"是DNA甲基化数据；
8、生成差异表达的统计量
使用命令：
statR.o=GenStatR(need,gg)
生成的statR.o结果包含三个数据： "top"、"cont"、"avexp"
与差异甲基化的结果类似， "top"是差异表达的统计结果；
"cont"是差异表达分析时构建的case-control；
"avbeta"是表达数据；
9、整合差异表达和差异甲基化数据
load("/data/chenwenyan/hprdAsigH-13Jun12.Rd")
re=DoIntFEM450k(statM.o,statR.o,hprdAsigH.m,1,1,"avbeta")
解释一下，statM.o和statR.o分别是步骤7和8产生的结果文件，hprdAsigH.m是步骤2下载的“hprdAsigH-13Jun12.Rd”文件包含的数据,这里我存储在/data/chenwenyan/路径下，请读者们根据各自存储的路径自行修改，不要完成照抄我的路径。
两个1分别指的是statM.o和statR.o的top数据的第一个文件，即步骤7和8生成的差异甲基化和差异表达结果。
这里需要注意的是，如果你感兴趣的分组结果存储在top数据的第二个元素，则代码需要改成re=DoIntFEM450k(statM.o,statR.o,hprdAsigH.m,2,2,"avbeta")
10、鉴定甲基化与表达之间存在负相关的基因
DoFEMbi=DoFEMbi(re, nseeds = 100, gamma = 0.5, nMC = 1000, sizeR.v = c(1,100), minsizeOUT = 10, writeOUT = TRUE, nameSTUDY = "TEST", ew.v = NULL)
这里所有参数均可以使用默认值。
输出的DoFEMbi结果包含以下文件：
这里我们主要关注fem和topmod这两个元素,分别指的是模块以及模块对应的统计数据，如下所示：
11、可视化结果
可视化SGMS2模块信息：
SGMS2=FemModShow(DoFEMbi$topmod$SGMS2,name="SGMS2", DoFEMbi)
画出来的图如下所示,可以看到，这个模块的基因主要是高甲基化低表达：
