预处理特征
在视频练习中，您看到多柔比星研究的样本分布呈现明显的右偏。因此，第一步需要对特征进行预处理：对数变换、标准化和过滤。
本练习是课程的一部分
在 R 中使用 limma 进行差异表达分析
练习说明
工作区中已加载包含原始数据的 ExpressionSet 对象 eset_raw。已加载 limma 包。
对测量值进行对数变换。使用
plotDensities可视化，并用基因型为样本加标签。使用
normalizeBetweenArrays进行分位数标准化，并再次可视化。使用
rowMeans判定哪些基因的平均表达水平大于 0。使用逻辑向量
keep过滤基因（即行），并再次可视化。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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")