minfi 分析甲基化芯片数据 - 质量过滤篇

对于原始的芯片数据，在分析之前，我们首先要做的就是质量过滤，主要是探针水平的过滤，包含以下三个方面；

1. 过滤掉可信度较低的探针；

2. 过滤掉覆盖了snp位点的探针；

3. 过滤掉位于性染色体上的探针；

过滤掉可信度较低的探针

对于探针信号的可信度，通过对应的pvalue 来标识。在minfi 中，通过detectP 这个函数计算探针对应的p值。 用法示例

# import data 第一个参数为Sampel_Sheet.csv 文件所在的目录
targets <- read.metharray.sheet("./", pattern="HumanMethylation450_Demo_Sample_Sheet.csv")
rgSet <- read.metharray.exp(targets=targets)

# probe pvalue 
probeP <- detectionP(rgSet)

通常情况下，我们认为p > 0.01 的探针信号是不可信的，在实际操作中，只要在1个样本中其p值大于0.01. 我们就过滤掉这个探针。

keep <-  apply(probeP, 1 , function(t){all(t < 0.01)})
rgSet <- rgSet[keep,]

在实验操作不当时，会出现某个样本质量特别差的情况。通常认为所有探针pvalue 均值大于0.05的