分析前准备
source(“http://bioconductor.org/biocLite.R”)
biocLite(“affy”)
biocLite(“affyPLM”)
biocLite(“RColorBrewer”)
biocLite(“impute”)
biocLite(“limma”)
biocLite(“pheatmap”)
install.packages(“ggplot2”)
setwd("") #自己设定
#调用R包
library(affyPLM)
#载入数据
Data<-ReadAffy()
#对数据集进行回归计算
Pset<-fitPLM (Data)
质量控制:查看灰度图
image(Data[,1])
#根据计算结果,画权重图
image(Pset,type=“weights”,which=1,main=“Weights”)
#根据计算结果,画残差图
image(Pset,type=“resids”,which=1,main=“Residuals”)
#根据计算结果,画残差符号图
image(Pset,type=“sign.resids”,which=1,main=“Residuals.sign”)
质量控制:相对对数表达(RLE)
一个探针组在某个样品的表达值除以该探针组在所有样品中表达之的中位数后取对数
反映平行实验的一致性
#调用R包
library(affyPLM)
library(RColorBrewer)
#对数据集进行回归计算
Pset<-fitPLM (Data)
#载入颜色
colors<-brewer.pal(12,“Set3”)
#绘制RLE箱线图
Mbox(Pset,col=colors,main=“RLE”,las=3)
质量控制:相对标准差(NUSE)
一个探针组在某个样品的PM值的标准差除以该探针组在各样品中的PM值标准差的中位数后取对数。反映平行实验的一致性
比RLE更为敏感。
#调用R包
library(affyPLM)
library(RColorBrewer)
#对数据集进行回归计算
Pset<-fitPLM (Data)
#载入颜色
colors<-brewer.pal(12,“Set3”)
#绘制NUSE箱线图
boxplot(Pset,col=colors,main=“NUSE”,las=3)
质量控制:RNA降解图
原理:RNA降解从5’端开始,因为芯片结果5’端荧光强度要远低于3’端
#调用R包
library(affy)
#获取降解数据
data.deg<-AffyRNAdeg(Data)
#绘制RNA降解图
plotAffyRNAdeg(data.deg,col=colors)
#在左上部位添加图注
legend(“topleft”,sampleNames(Data),col=colors,lwd=1,inset=0.05,cex=0.2)
https://blog.csdn.net/qq_42335165/article/details/86218786
for /f “delims=” %%p in (‘dir /b/ad’) do copy %%p*.* f:\R.work\GSE79973_RAW\all
pause
注意:F盘要小写 f
无法定位程序输入点EXTPTR_PTR于动态链接库Rcpp.dll
可以安装最新版本的R
library(installr)
updateR()
https://blog.csdn.net/weixin_42815846/article/details/106972453