Предобработка признаков

В видеоуроке вы видели, что распределения образцов в исследовании с доксорубицином были крайне правосторонне скошены. Поэтому первый шаг — предобработка признаков: логарифмическое преобразование, нормализация и фильтрация.

Это упражнение является частью курса

Анализ дифференциальной экспрессии с помощью limma в R

Посмотреть курс

Инструкции к упражнению

В вашем рабочем пространстве загружен объект ExpressionSet eset_raw с необработанными данными, а также пакет limma.

Выполните логарифмическое преобразование измерений. Используйте plotDensities для визуализации. Подпишите образцы по их генотипу.
Нормализуйте измерения по квантилям с помощью normalizeBetweenArrays и постройте график повторно.
Используйте rowMeans, чтобы определить, у каких генов средний уровень экспрессии превышает 0.
Отфильтруйте гены (то есть строки) с помощью логического вектора keep и снова визуализируйте результат.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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")

Редактировать и запускать код