Tiền xử lý các đặc trưng
Trong bài tập video, bạn thấy rằng phân phối mẫu cho nghiên cứu doxorubicin bị lệch phải rất mạnh. Vì vậy, bước đầu tiên bạn cần làm là tiền xử lý các đặc trưng: biến đổi log, chuẩn hóa và lọc.
Bài tập này là một phần của khóa học
Phân tích Biểu hiện khác biệt với limma trong R
Hướng dẫn bài tập
Đối tượng ExpressionSet eset_raw với dữ liệu thô đã được nạp vào không gian làm việc của bạn. Gói limma đã được nạp.
Biến đổi log các phép đo. Dùng
plotDensitiesđể trực quan hóa. Gắn nhãn các mẫu theo kiểu gen của chúng.Chuẩn hóa theo bách phân vị các phép đo bằng
normalizeBetweenArraysvà trực quan hóa lại.Dùng
rowMeansđể xác định các gene có mức biểu hiện trung bình lớn hơn 0.Lọc các gene (tức là các hàng) bằng vector logic
keepvà trực quan hóa lại.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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")