ChAMP 分析甲基化芯片数据-归一化篇

这篇博客介绍了ChAMP库用于甲基化芯片数据分析的四种归一化方法:BMIQ、PBC、SWAN和FunctionalNormalization。归一化旨在减少样本间差异,通过对探针的beta值进行校正。文中展示了每种方法前后beta值的变化,并指出SWAN和FunctionalNormalization对数据的调整较大,而BMIQ和PBC调整较小。
摘要由CSDN通过智能技术生成

champ.norm 函数提供了归一化的功能,支持下列4种归一化的算法:

  1. BMIQ
  2. PBC
  3. SWAN
  4. FunctionalNormalization

其中BMIQ和PBC 算法都是只针对探针的beta 矩阵进行归一化,而SWAN和FunctionalNormalization则需要在数据导入阶段采用minfi的算法。
函数用法示例

myNorm <- champ.norm()
[===========================]
[>>>>> ChAMP.NORM START <<<<<<]
champ.norm Results will be saved in ./CHAMP_Normalization/
[ SWAN method call for BOTH rgSet and mset input, FunctionalNormalization call for rgset only , while PBC and BMIQ only needs beta value. Please set parameter correctly. ]
<< Normalizing data with BMIQ Method >>
Note that,BMIQ function may fail for bad quality samples (Samples did not even show beta distribution).
3 cores will

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值