Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
fr:impilopedia:genex:microarrays:qc:affy_affyplm_qc [2019/11/27 14:43] – [Introduction] foisysfr:impilopedia:genex:microarrays:qc:affy_affyplm_qc [2021/05/29 15:35] (Version actuelle) – modification externe 127.0.0.1
Ligne 1: Ligne 1:
 +====== R/Bioconductor: Utilisation de la librairie affyPLM() pour le contrôle de qualité ======
 +
 +===== Introduction =====
 +
 +La librairie ''affyPLM''[(:bioc_affyPLM_qc)] sert principalement à faire la normalisation des données brutes provenant de puces Affymétrix. Elle utilise une technique de normalisation impliquant la création d'un modèle mathématique permettant de décrire les données pour chaque puce. Certaines des valeurs calculées durant le processus de création de ce modèle permettent de la création de graphes de contrôle qualité qui sont très utile pour la pré-analyse:
 +
 +  * Une série de pseudo-images (une par puce) où les couleurs représentent les valeurs résiduelles résultant de la procédure d'ajustement au modèle, qui peuvent être de valeur positive ou négative;
 +  * Un graphe en boîte à moustache appelé //Relative Log Expression// ou **RLE** qui est obtenu par le calcul des valeurs d'expression de chaque puce par rapport à la valeur médiane de chaque probeset sur toutes les puces de l'étude;
 +  * Un autre graphe en boîte à moustache appelé //Normalized Unscaled Standard Errors// ou **NUSE** qui est obtenu en calculant les erreurs standards des valeur pour un gène sur chacune des puces et ramené sur toutes les puces de telle sorte que la médiane de l'erreur standard est de 1 sur toutes les puces.
 +
 +Ces deux derniers sont importants car ils permettent d'avoir une idée de la situation d'une puce parmi toutes les autres puces par sa comparaison avec elles. Si dans un cas comme dans l'autre, une puce divergent de 0 (RLE) ou de 1 (NUSE) et/ou que sa boîte est plus large, vous avez un problème avec cette puce même si celle-ci parait bien dans le graphe en boîte à moustache.
 +===== Procédure =====
 +
 +Les méthodes qui sont utilisées sont ''image()'', ''RLE()'' et ''NUSE()'', qui sont indépendantes l'une de l'autre mais qui sont dépendante de la création d'un modèle pour chaque puce via la méthode ''fitPLM()''. Cette dernière crée en sortie un objet de type ''PLMSet'' qui utilisé par ces trois méthodes.
 +
 +  * Pour commencer, démarrez R et placez vous au bon endroit dans votre système de fichier via cette [[.:affy_simpleaffy#Preparation_et_demarrage_de_R|procédure]].
 +
 +  * Il faut charger le package ''affyPLM()'':
 +
 +<code rsplus>
 +R> library(affyPLM)
 +</code>
 +
 +  * Créer un objet ''AffyBatch'' avec la méthode de votre choix, par exemple:
 +
 +<code rsplus>
 +# Les infos phenoData ne sont pas 
 +# utilisees par affyPLM
 +R> data<-ReadAffy()
 +</code>
 +
 +  * Il faut par la suite créer l'objet ''PLMSet'':
 +
 +<code rsplus>
 +R> p.eset<-fitPLM(data)
 +</code> 
 +
 +  * Pour obtenir une des pseudo-images:
 +
 +<code rsplus>
 +# Par exemple, la 5 ème puce
 +R> image(p.eset,which=5, type="resids")
 +</code>
 +
 +  * Si vous voulez toutes les images de votre groupe de puces, il vous faudra scripter dans R:
 +
 +<code rsplus>
 +# Comment creer les fichiers d'images
 +# d'un projet avec la palette de couleur par
 +# defaut
 +R> for(i in 1:70){
 ++ jpeg(paste("../ibd_merged_residuals_",i,".jpg",sep=""))
 ++ image(p.eset,i, type="resids")
 ++ dev.off()
 ++}
 +</code>
 +
 +  * Pour obtenir un graphe RLE, rien de plus facile:
 +
 +<code rsplus>
 +R> RLE(p.eset,main="Graphe RLE de ce dataset")
 +</code>
 +
 +  * Pour obtenir un graphe NUSE:
 +
 +<code rsplus>
 +R> NUSE(p.eset,main="Graphe NUSE de ce dataset")
 +</code>
 +
 +  * Si vous êtes intéressé par les statistiques descriptives des graphes RLE ou NUSE, il vous faut simplement spécifier le type "stats":
 +
 +<code rsplus>
 +R> RLE(p.eset,type="stats")
 +</code>
 +
 +===== Références =====
 +<refnotes>
 +notes-separator : none
 +</refnotes>