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！
