Pré-processar características

No exercício em vídeo, você viu que as distribuições das amostras para o estudo com doxorrubicina estavam extremamente assimétricas à direita. Por isso, o primeiro passo é pré-processar as características: aplicar transformação log, normalizar e filtrar.

Este exercício faz parte do curso

Análise de Expressão Diferencial com limma em R

Ver curso

Instruções do exercício

O objeto ExpressionSet eset_raw com os dados brutos foi carregado no seu ambiente. O pacote limma está carregado.

Aplique a transformação log nas medições. Use plotDensities para visualizar. Rotule as amostras pelo genótipo.
Normalize as medições por quantis com normalizeBetweenArrays e visualize novamente.
Use rowMeans para determinar quais genes têm nível médio de expressão maior que 0.
Filtre os genes (isto é, linhas) com o vetor lógico keep e visualize novamente.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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")

Editar e executar o código