유전자 필터링
데이터에 로그 변환과 분위수 정규화를 적용했으므로, 이제 연구 대상 시스템과 관련 없는 낮은 발현 유전자를 제거해야 합니다.
이 연습은 강의의 일부입니다
R에서 limma로 하는 차등 발현 분석
연습 안내
정규화된 Populus 데이터가 담긴 ExpressionSet 객체 eset_norm이 작업 공간에 로드되어 있어요.
plotDensities를 사용해 각 샘플의 유전자 발현 수준 분포를 시각화하세요. 범례는 표시하지 마세요.rowMeans로 평균 발현 수준이 5보다 큰 유전자를 판별하세요. 이 논리형 벡터의 이름은keep으로 하세요.논리형 벡터
keep을 사용해 ExpressionSet 객체의 유전자(즉, 행)를 필터링하고, 다시 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
library(limma)
# Create new ExpressionSet to store filtered data
eset <- eset_norm
# View the normalized gene expression levels
___(eset, legend = ___); abline(v = 5)
# Determine the genes with mean expression level greater than 5
keep <- ___(exprs(eset)) > ___
sum(keep)
# Filter the genes
eset <- eset[___]
___(eset, legend = ___)