筛选基因
现在数据已经过对数转换并进行分位数归一化，您需要去除与所研究系统无关、表达量较低的基因。
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
您的工作区中已加载包含 Populus 数据且已标准化的 ExpressionSet 对象 eset_norm。
使用
plotDensities可视化每个样本的基因表达水平分布。关闭图例。使用
rowMeans确定哪些基因的平均表达水平大于 5。将该逻辑向量命名为keep。使用逻辑向量
keep对 ExpressionSet 对象的基因（即行）进行筛选，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。
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 = ___)