篩選基因
現在資料已做對數轉換並經分位數正規化，你需要移除在本研究系統中不相關、表現量很低的基因。
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
工作空間已載入包含 Populus 資料且已正規化的 ExpressionSet 物件 eset_norm。
使用
plotDensities視覺化每個樣本的基因表現量分佈。關閉圖例。使用
rowMeans判斷哪些基因的平均表現量大於 5。將這個邏輯向量命名為keep。使用邏輯向量
keep篩選 ExpressionSet 物件的基因（也就是列），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。
library(limma)
# Create new ExpressionSet to store filtered data
eset <- eset_norm
# View the normalized gene expression levels
___(eset, legend = ___); abline(v = 5)
# Determine the genes with mean expression level greater than 5
keep <- ___(exprs(eset)) > ___
sum(keep)
# Filter the genes
eset <- eset[___]
___(eset, legend = ___)