前處理特徵
在影片練習中，你看到 doxorubicin 研究的樣本分佈呈現非常明顯的右偏。因此，你需要先進行特徵的前處理：對數轉換、正規化，並進行篩選。
本練習屬於課程
使用 R 中的 limma 進行差異表達分析
練習說明
已在你的工作環境中載入含有「原始」資料的 ExpressionSet 物件 eset_raw。已載入 limma 套件。
對量測值做對數轉換。使用
plotDensities視覺化，並用基因型為樣本加上標籤。使用
normalizeBetweenArrays進行分位數正規化，並再次視覺化。使用
rowMeans判斷哪些基因的平均表現量大於 0。使用邏輯向量
keep篩選基因（亦即列），並再次視覺化。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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")