====== Normalisation des données Illumina via le package lumi ====== ===== Introduction ===== * [[fr:impilopedia:genex:microarrays:acquire:illumina:via_lumi|Imaginons que nous avons créer un objet ''LumiBatch'' appelé ''r.lumi''...]] * À suivre... ===== Procédure ===== ==== Stabilisation de la variance ==== Les données Illumina sont des données d'intensité lumineuse qui peuvent présenté de grande variance. Une manière de contrôler cette variance est de faire une transformation mathématique qui ramène les données d'une échelle non-linéaire à une échelle linéaire. La transformation classique est le calcul de la valeur logarithmique en base 2 mais le librarie ''lumi()'' contient également une nouvelle méthode appelée //Variance Stabilization Transform// qui utilise le très grand nombre de réplicats techniques(comme chaque sonde se retrouve sur un très grand nombre de billes qui se positionnent aléatoirement sur la lame); une description de l'algorithme se trouve ici[(:ref:Lin_2008)]. Dans un cas comme dans l'autre, il faut utilisé la méthode ''lumiT'' qui fera la transformation sur notre objet ''LumiBatch'' pour nous retourner un autre objet, également de type ''LumiBatch''. Pour poursuivre la même logique: R> t.lumi<-lumiT(r.lumi,method='log2') ou R> t.lumi<-lumiT(r.lumi,method='vst') ==== Normalisation ==== De la même manière que la stabilisation de la variance, la normalisation se fait en faisant passé un objet ''LumiBatch'' au travers de la méthode ''LumiN''. Cette dernière fera la normalisation selon un modèle choisi et retournera un nouvel objet ''LumiBatch'' contenant les valeurs normalisées. Les méthodes de normalisation accessibles via ''LumiN'' sont les suivantes: * ''rsn'' * ''ssn'' * ''quantile'' (sélection par défaut si non mentionné par le paramétre ''method'') * ''loess'' * ''vsn'' * ''rankinvariant'' (méthode par défaut via BeadStudio) La ligne de commande est donc: R> n.lumi<-lumiN(t.lumi,method='quantile') ===== Références ===== notes-separator: none