limma包进行双通道芯片分析过程,基于原始数据可以通过校正标准化获得对象MAList,其中存放了M值和A值,可以利用exprs.MA将MAList转换成红绿荧光强度值(已经对数转化log2),每个芯片都将有两列数据,一列对应R(红)一列对应G(绿)
以GSE121505数据为例(双通道芯片MA和densit),经过所有标准化获得MAList之后,提取:
> exprs=exprs.MA(MAList)
> head(exprs,2)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11]
[1,] 7.367987 7.023669 7.362066 6.361811 7.66322 6.795987 7.539715 6.203929 7.224620 6.170254 7.521405
[2,] 7.552167 7.384551 7.574663 6.376215 7.45164 6.650186 7.545506 6.240934 7.309287 6.188664 7.567589
[,12] [,13] [,14] [,15] [,16] [,17] [,18] [,19] [,20] [,21]
[1,] 6.381751 7.399224 6.395357 7.581206 6.400000 7.334950 6.380009 7.407158 6.416191 7.119985
[2,] 6.496657 7.527513 6.463671 7.675506 6.479741 7.254348 6.368498 7.544715 6.468847 7.197193
[,22] [,23] [,24]
[1,] 6.195144 7.723930 6.604144
[2,] 6.258451 7.729925 6.629089
样品数为12,结果共24列,查看分布可以用boxplot:
1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程、基因家族文献思路解读
2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读;转录组(无参)结果解读
3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析
4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘、转录组文献解读
5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程
6. 生物信息入门到精通必修基础课:linux系统使用、perl入门到精通、perl语言高级、R语言入门、R语言画图
7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析、GEO芯片数据挖掘、GEO芯片数据标准化、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析
8.其他,二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!