Prétraiter les features

Dans la vidéo d’exercices, vous avez vu que les distributions d’échantillons pour l’étude sur la doxorubicine étaient fortement asymétriques à droite. La première étape consiste donc à prétraiter les features : transformation logarithmique, normalisation et filtrage.

Cet exercice fait partie du cours

Analyse d’expression différentielle avec limma en R

Afficher le cours

Instructions

L’objet ExpressionSet eset_raw contenant les données brutes a été chargé dans votre espace de travail. Le package limma est chargé.

Appliquez une transformation logarithmique aux mesures. Utilisez plotDensities pour visualiser. Étiquetez les échantillons par leur génotype.
Normalisez les mesures par quantiles avec normalizeBetweenArrays et re-visualisez.
Utilisez rowMeans pour déterminer quels gènes ont un niveau d’expression moyen supérieur à 0.
Filtrez les gènes (c.-à-d. les lignes) avec le vecteur logique keep et re-visualisez.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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")

Modifier et exécuter le code