Pre-elabora le caratteristiche

Nel video, hai visto che le distribuzioni dei campioni per lo studio sulla doxorubicina erano fortemente asimmetriche a destra. Quindi, il primo passo è pre-elaborare le caratteristiche: applica la trasformazione logaritmica, normalizza e filtra.

Questo esercizio fa parte del corso

Analisi dell'espressione differenziale con limma in R

Visualizza il corso

Istruzioni dell'esercizio

L'oggetto ExpressionSet eset_raw con i dati grezzi è stato caricato nel tuo workspace. Il pacchetto limma è caricato.

Applica la trasformazione logaritmica alle misurazioni. Usa plotDensities per visualizzare. Etichetta i campioni in base al loro genotipo.
Normalizza per quantili le misurazioni con normalizeBetweenArrays e visualizza di nuovo.
Usa rowMeans per identificare i geni con un livello di espressione medio maggiore di 0.
Filtra i geni (cioè le righe) con il vettore logico keep e visualizza di nuovo.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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")

Modifica ed esegui il codice