上次進行了芯片內的歸一化,但是我們的數據來自於10張芯片,爲了讓這10張芯片之間有可比性,需要進行芯片間歸一化。
具體原理就不介紹了。
這裏用到Bioconductor的一個package,叫做limma,以及其中的函數normalizeBetweenArrays()
由於normalizeBetweenArrays()需要log intensity或log ratio作爲輸入,於是先進行log轉化:
#log transformation
norm_log<-matrix(data = NA, nrow =dim(normed)[1], ncol = dim(normed)[2], byrow = TRUE, dimnames = NULL)
for (i in 1:dim(normed)[1]){
for (j in 1:dim(normed)[2]){
norm_log[i,j]<-log(normed[i,j])/log(2)
}
}
然後利用函數進行芯片間歸一化:
source("http://bioconductor.org/biocLite.R")
biocLite("limma")
library(limma)
norm_log_btw_array<-normalizeBetweenArrays(norm_log,method='scale')
normalizeBetweenArrays()函數有許多方法,具體請看幫助。
下面看看效果吧
plot(density(norm_log[,1]),ylim=c(0,1.35),xlab='log intensity')
for (i in 2:20){
lines(density(norm_log[,i]),type='l')
}
lines(density(norm_log_btw_array[,1]),type='l',col='green')
for (i in 2:20){
lines(density(norm_log_btw_array[,i]),type='l',col='green')
}
text(1.5,c(0.8,1.0),labels=c('BEFORE normalization','AFTER normalization'),col=c('black','green'))
from : http://azaleasays.com/tag/r/