bioconductor系列教程之一分析基因芯片上.docVIP

bioconductor系列教程之一分析基因芯片上 可以取代MAS5的主要还有两种算法，分别是dChip和RMA。RMA算法正逐步成为microarray的主流算法。RMA全称为log scale robust multi-array analysis，多阵列对数健壮算法。RMA算法并不直接从PM的信号中减去做为背景的MM信号，而是基于20组探针的信号分布来判断是信号还是噪音。这种算法无疑对于低噪号的实验有较大的适用性。 Figure 2 MAS5.0, dChip 和RMA算法结果比较（数据来源：Summaries of Affymetrix GeneChip probe level data. Irizarry RA, Bolstad BM, Collin F, Cope LM, Hobbs B, Speed TP. Nucleic Acids Res 2003: 31(4);） 所以这里，我就主要介绍一下如何在bioConductor使用RMA算法预处理基因芯片原始数据。 首先，去/support/technical/sample_data/demo_data.affx下载一些示例数据文件下来。这里，我使用Arabidopsis-AG AGCC数据示例。我们先把下载下来的文件解压后拷贝ArabidopsisATH1-121502.CEL文件至R工作文件夹下。 首先是一个快速上手教程： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 library(affy) ##加载库文件 ? Loading required package: Biobase ? Welcome to Bioconductor ? Vignettes contain introductory material. To view, type ? openVignette(). To cite Bioconductor, see ? citation(Biobase) and for packages citation(pkgname). ? Data - ReadAffy() ##读取工作目录下的CEL文件 ? eset - rma(Data) ##用RMA算法预处理数据，这时它会自动下载CDF文件，所以需要联网。 ? trying URL /packages/2.6/data/annotation/bin/windows/contrib/2.11/ath1121501cdf_2.6.0.zip ? Content type application/zip length 1744505 bytes (1.7 Mb) ? opened URL ? downloaded 1.7 Mb ? package ath1121501cdf successfully unpacked and MD5 sums checked ? The downloaded packages are in ? C:\Documents and Settings\jianhong ou\Local Settings\Temp\RtmpHn3D5q\downloaded_packages ? Background correcting ? Normalizing ? Calculating Expression ? write.exprs(eset,file=mydata.txt) ##将经过处理后的数据输出至mydata.txt文件。 我们从这简单的几步，就可以得到拟兰介基因芯片中每个对应的基因的表达状况了。 bioconductor系列教程之一分析基因芯片中（质量控制） 上一节，我们了解了分析基因芯片的预处理的基本知识。其实那只是一个热身。这一节，我们来学习拿到基因芯片数据时更基本的操作：质量控制。只有通过质量检测合格的芯片数据才会真正地进入数据分析的步骤。本节将学习以下内容： 背景 MAS5 标准化 Affymetrix公司制定的内参 教程数据下载 质量控制总览图及报告 使用FitPLM生成权重，残差及NUSE图像 RNA降解曲线及MVA线图 PCA分析 总结 背景 通过上一节的介绍，我们了解到Affymetrix基因芯片中的探针都是由25个碱基组成的寡聚核苷酸序列。每个芯片上可能包含上百万的探针，它们被整齐有序的印刷在芯片上。而探针的排序以组为单位，随机排列。而每一组，都由20对探针组成。这一组探针被称为探针组（probeset）。每一对探针都由perfect match(PM)和mismatch(MM)组成，称为