เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Pre-process ฟีเจอร์

ในแบบฝึกหัดวิดีโอ คุณได้เห็นว่าการกระจายตัวของตัวอย่างในการศึกษา doxorubicin นั้นเบ้ขวาอย่างมาก ดังนั้น ขั้นตอนแรกที่ต้องทำคือการ pre-process ฟีเจอร์ ได้แก่ การแปลงลอการิทึม การทำ normalize และการกรองข้อมูล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ Differential Expression ด้วย limma ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

ออบเจกต์ ExpressionSet ชื่อ eset_raw ที่มีข้อมูล raw ถูกโหลดไว้ใน workspace แล้ว และไลบรารี limma ก็ถูกโหลดไว้เรียบร้อยแล้ว

  • แปลงค่าการวัดด้วยลอการิทึม จากนั้นใช้ plotDensities เพื่อแสดงภาพผลลัพธ์ โดยกำหนดป้ายกำกับตัวอย่างตาม genotype

  • ทำ quantile normalize ค่าการวัดด้วย normalizeBetweenArrays แล้วแสดงภาพผลลัพธ์อีกครั้ง

  • ใช้ rowMeans เพื่อระบุยีนที่มีระดับการแสดงออกเฉลี่ยมากกว่า 0

  • กรองยีน (แถว) ด้วย logical vector keep แล้วแสดงภาพผลลัพธ์อีกครั้ง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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")
แก้ไขและรันโค้ด