有一个步骤简直太慢了，所以等的时候顺便简单记录一下~
适用于各种甲基化测序（WGBS、RRBS、TBS、芯片等）
上游分析略（ 请参考 )，我是用的是 BSMAP + MethylDackel extract 流程，最终得到甲基化bedGraph文件：
第五列：甲基化reads数，第六列：未甲基化reads数。
sourceFolder ：含有所有样本CpG.bedGraph文件的文件夹
Normal_B、GDM_B： 两组样本的 ID
因为我的分组有四组，因此还要把这次需要分析的两组给挑出来
下一步的构建对象需要提供包含所有样本甲基化信息的列表，因此使用lapply可方便获得
每个样本的甲基化数据格式为:
N 为 总reads数，X 为甲基化的reads数，因此需要转化一下
WGBS数据需要 smoothing = TRUE ，RRBS等测序方式官方建议也最好加上，虽然对结果影响不大：
如果提供的数据列名不是 chr pos N X 则会报以下错误：
注释结果可直接用于各种分析~
大力感谢： 使用DSS包多种方式检验差异甲基化信号区域
每个样本由416个位点来描述，也就是416个变量，或叫416个维度。咱们生活的空间是3维的啊，如果要精确描述这132个样本的位置，就是建一个416维的空间把它们定位，这是很不现实的。所以要对它进行降维处理之后再观察。主成分分析（PCA）就是常用的一种降维方法，提取出这么多变量中对样本影响最大的成分。但它不是挑选出某几个变量，而是根据它们的方差贡献，经过线性变换，得到新的变量，即“主成分”。
