Chuẩn hóa
Dữ liệu biểu hiện gene thô thường rất lộn xộn, nhất là vì nhiều gene sẽ không liên quan đến hệ bạn đang nghiên cứu. Sau khi nhận một bộ dữ liệu mới, bước đầu tiên là trực quan hóa dữ liệu và thực hiện các bước tiền xử lý cần thiết.
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 Populus thô đã được nạp vào không gian làm việc của bạn.
Dùng
plotDensitiesđể trực quan hóa phân phối mức biểu hiện gene cho từng mẫu. Tắt chú giải.Biến đổi log các phép đo và trực quan hóa lại.
Chuẩn hóa theo bách phân vị các phép đo bằng
normalizeBetweenArraysvà 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.
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 = ___)