去除批次效应
在上一个练习中，您已经表明，相比处理（treatment）效应，批次（batch）效应对变异的影响更大。幸运的是，这项嗅觉干细胞研究的设计是完全平衡的，也就是说，每种处理都出现在所有 4 个批次中。因此，您可以去除由批处理流程引入的变异，从而提高信噪比。
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嗅觉干细胞数据的 ExpressionSet 对象 eset。
- 使用
removeBatchEffect从数据中去除 4 个批次的影响。 - 使用
plotMDS绘制主成分图。按样本所接受的处理为样本加标签。 - 重新可视化主成分，并按样本所属的批次为其加标签。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Load package
library(limma)
# Remove the batch effect
exprs(eset) <- ___(eset, batch = ___)
# Plot principal components labeled by treatment
___(eset, labels = ___, gene.selection = ___)
# Plot principal components labeled by batch
___(eset, labels = ___, gene.selection = ___)