การทำ Normalize

ข้อมูลการแสดงออกของยีนในรูปแบบดิบมักมีความซับซ้อนและยุ่งเหยิง โดยเฉพาะอย่างยิ่งเมื่อมียีนจำนวนมากที่ไม่เกี่ยวข้องกับระบบที่กำลังศึกษาอยู่ ดังนั้นหลังจากได้รับชุดข้อมูลใหม่ ขั้นตอนแรกคือการแสดงภาพข้อมูลและดำเนินการขั้นตอนการประมวลผลเบื้องต้นที่จำเป็น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ Differential Expression ด้วย limma ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

ExpressionSet object eset_raw ที่บรรจุข้อมูล Populus แบบ raw ได้ถูกโหลดไว้ใน workspace ของคุณแล้ว

ใช้ plotDensities เพื่อแสดงภาพการกระจายของระดับการแสดงออกของยีนในแต่ละตัวอย่าง โดยปิดคำอธิบายกราฟ
แปลงค่าการวัดด้วยลอการิทึม แล้วแสดงภาพข้อมูลอีกครั้ง
ทำ Quantile normalize ให้กับค่าการวัดด้วย normalizeBetweenArrays แล้วแสดงภาพข้อมูลอีกครั้ง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

library(limma)

# Create new ExpressionSet to store normalized data
eset_norm <- eset_raw

# View the distribution of the raw data
___(eset_norm, legend = ___)

# Log tranform
exprs(eset_norm) <- ___(exprs(eset_norm))
___(eset_norm, legend = ___)

# Quantile normalize
exprs(eset_norm) <- ___(exprs(eset_norm))
___(eset_norm, legend = ___)

แก้ไขและรันโค้ด