शुरू करेंमुफ़्त में शुरू करें

फ़ीचर प्री-प्रोसेस करें

वीडियो अभ्यास में आपने देखा कि doxorubicin स्टडी के सैंपल डिस्ट्रीब्यूशन काफ़ी दाईं ओर झुके हुए थे (right-skewed). इसलिए पहला कदम फ़ीचर्स का प्री-प्रोसेस करना है: लॉग-ट्रांसफॉर्म, नॉर्मलाइज़, और फ़िल्टर।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में limma के साथ Differential Expression Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

कच्चे डेटा वाला ExpressionSet ऑब्जेक्ट eset_raw आपके वर्कस्पेस में लोड है। limma पैकेज लोड है।

  • मापों को लॉग-ट्रांसफॉर्म करें। विज़ुअलाइज़ करने के लिए plotDensities का उपयोग करें। सैंपल्स को उनके genotype से लेबल करें।

  • normalizeBetweenArrays से मापों को क्वांटाइल नॉर्मलाइज़ करें और दोबारा विज़ुअलाइज़ करें।

  • rowMeans का उपयोग करके तय करें कि किन जीनों का औसत expression स्तर 0 से अधिक है।

  • लॉजिकल वेक्टर keep से जीनों (यानी, पंक्तियों) को फ़िल्टर करें और फिर से विज़ुअलाइज़ करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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")
कोड संपादित करें और चलाएँ