标准化
原始的基因表达数据往往很杂乱，尤其是因为许多基因与您研究的系统并不相关。拿到新的数据集后，第一步是可视化数据，并执行必要的预处理步骤。
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白杨（Populus）数据的 原始 ExpressionSet 对象 eset_raw。
使用
plotDensities可视化每个样本的基因表达分布。关闭图例。对测量值进行对数变换后重新可视化。
使用
normalizeBetweenArrays进行分位数标准化，然后再次可视化。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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 = ___)