正規化
原始的基因表現資料通常相當雜亂，特別是因為許多基因與你正在研究的系統無關。拿到新的資料集後，第一步是先將資料視覺化，並執行必要的前處理步驟。
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
工作空間中已載入包含 Populus 原始資料的 ExpressionSet 物件 eset_raw（raw）。
使用
plotDensities視覺化每個樣本的基因表現分佈。關閉圖例。將量測值做對數轉換後，再次視覺化。
使用
normalizeBetweenArrays進行分位數正規化（quantile normalization），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。
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 = ___)