Genen filteren

Nu de data log-getransformeerd en kwantiel-genormaliseerd zijn, moet je de laag tot expressie komende genen verwijderen die niet relevant zijn voor het onderzochte systeem.

Deze oefening maakt deel uit van de cursus

Differentiële-expressieanalyse met limma in R

Cursus bekijken

Oefeninstructies

Het ExpressionSet-object eset_norm met de genormaliseerde Populus-data is in je werkruimte geladen.

Gebruik plotDensities om de verdeling van genexpressieniveaus per sample te visualiseren. Schakel de legenda uit.
Gebruik rowMeans om te bepalen welke genen een gemiddelde expressie groter dan 5 hebben. Noem deze logische vector keep.
Filter de genen (dus de rijen) van het ExpressionSet-object met de logische vector keep en visualiseer opnieuw.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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 = ___)

Code bewerken en uitvoeren