Preprocesar características

En el ejercicio en vídeo, viste que las distribuciones de las muestras del estudio de doxorrubicina estaban muy sesgadas a la derecha. Por tanto, el primer paso es preprocesar las características: aplicar una transformación logarítmica, normalizar y filtrar.

Este ejercicio forma parte del curso

Análisis de expresión diferencial con limma en R

Ver curso

Instrucciones del ejercicio

El objeto ExpressionSet eset_raw con los datos en bruto se ha cargado en tu espacio de trabajo. El paquete limma está cargado.

Aplica la transformación logarítmica a las medidas. Usa plotDensities para visualizarlas. Etiqueta las muestras por su genotipo.
Normaliza las medidas por cuantiles con normalizeBetweenArrays y vuelve a visualizar.
Usa rowMeans para determinar qué genes tienen un nivel medio de expresión mayor que 0.
Filtra los genes (es decir, filas) con el vector lógico keep y vuelve a visualizar.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Create a new ExpressionSet to store the processed data
eset <- eset_raw
# Log transform
exprs(eset) <- ___(exprs(eset))
___(eset,  group = pData(eset)[___], legend = "topright")
# Quantile normalize
exprs(eset) <- ___(exprs(eset))
___(eset,  group = pData(eset)[___], legend = "topright")
# Determine the genes with mean expression level greater than 0
keep <- ___(exprs(eset)) > ___
sum(keep)
# Filter the genes
eset <- eset[___]
___(eset, group = pData(eset)[___], legend = "topright")

Editar y ejecutar código