Попередня обробка ознак

У відеовправі ви бачили, що розподіли вибірок для дослідження доксорубіцину мали сильну правосторонню асиметрію. Тож першим кроком потрібно виконати попередню обробку ознак: лог-перетворення, нормалізацію та фільтрацію.

Ця вправа є частиною курсу

Аналіз диференційної експресії з limma в R

Переглянути курс

Інструкції до вправи

Об'єкт ExpressionSet eset_raw із сирими даними вже завантажено у ваш робочий простір. Пакет limma завантажено.

Застосуйте лог-перетворення до вимірювань. Скористайтеся plotDensities для візуалізації. Підпишіть зразки за їхнім генотипом.
Виконайте квантильну нормалізацію вимірювань за допомогою normalizeBetweenArrays і перевізуалізуйте.
Скористайтеся rowMeans, щоб визначити, у яких генів середній рівень експресії більший за 0.
Відфільтруйте гени (тобто рядки) за логічним вектором keep і знову виконайте візуалізацію.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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")

Редагувати та запускати код