नॉर्मलाइज़
कच्चा gene expression डेटा अक्सर बिखरा हुआ होता है, खासकर क्योंकि कई जीन आपके अध्ययन वाले सिस्टम के लिए प्रासंगिक नहीं होंगे। नया डेटासेट मिलने पर पहला कदम होता है डेटा को विज़ुअलाइज़ करना और ज़रूरी प्री-प्रोसेसिंग स्टेप्स लागू करना।
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में limma के साथ Differential Expression Analysis
अभ्यास निर्देश
ExpressionSet ऑब्जेक्ट eset_raw जिसमें Populus का raw डेटा है, आपके वर्कस्पेस में लोड किया गया है.
हर सैंपल के लिए gene expression लेवल्स के वितरण को विज़ुअलाइज़ करने के लिए
plotDensitiesका उपयोग करें. लीजेंड डिसेबल करें.मेज़रमेंट्स को लॉग-ट्रांसफॉर्म करें और दोबारा विज़ुअलाइज़ करें.
normalizeBetweenArraysसे मेज़रमेंट्स को क्वांटाइल-नॉर्मलाइज़ करें और फिर से विज़ुअलाइज़ करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
library(limma)
# Create new ExpressionSet to store normalized data
eset_norm <- eset_raw
# View the distribution of the raw data
___(eset_norm, legend = ___)
# Log tranform
exprs(eset_norm) <- ___(exprs(eset_norm))
___(eset_norm, legend = ___)
# Quantile normalize
exprs(eset_norm) <- ___(exprs(eset_norm))
___(eset_norm, legend = ___)