仔细观察下面的两个代码：

首先是不需要差异比较矩阵的：

library(CLL) 

 data(sCLLex)

 library(limma)

design=model.matrix(~factor(sCLLex$Disease))

fit=lmFit(sCLLex,design)

fit=eBayes(fit) 

options(digits=4)

topTable(fit,coef=2,adjust='BH')

然后是需要差异比较矩阵的：

library(CLL) 

data(sCLLex) 

 library(limma)

design=model.matrix(~0+factor(sCLLex$Disease))

 colnames(design)=c('progres','stable')

fit=lmFit(sCLLex,design)

cont.matrix=makeContrasts('progres-stable',levels=design)

fit2=contrasts.fit(fit,cont.matrix)

fit2=eBayes(fit2) 

 options(digits=4) 

 topTable(fit2,adjust='BH')

两者结果是一模一样的。而差异比较矩阵的需要与否，主要看分组矩阵如何制作的！

design=model.matrix(~factor(sCLLex$Disease))

design=model.matrix(~0+factor(sCLLex$Disease))

有本质的区别！！！

前面那种方法已经把需要比较的组做出到了一列，需要比较多次，就有多少列，第一列是截距不需要考虑，第二列开始往后用coef这个参数可以把差异分析结果一个个提取出来。

而后面那种方法，仅仅是分组而已，组之间需要如何比较，需要自己再制作差异比较矩阵，通过makeContrasts函数来控制如何比较！