====== R/Bioconductor: Utilisation de la librarie lumi() pour le contrôle de la qualité ======
===== Introduction =====
La librarie ''lumi'' dispose de plusieurs métriques de contrôle de la qualité et accessibles via la fonction ''plot()''. **Notez bien:** il vous faudra accéder à R soit au travers de l'installation locale (sur Mac OS X ou sur Windows) ou via NX ou un serveur X pour l'utilisation sur un serveur Linux/UNIX à distance.
===== Procédure =====
* Pour faire une analyse de contrôle de qualité en utilisant ''lumi()'', il faut démarrer avec une session R:
# Tres dur a faire...
% R
* Il vous faut créer un objet de type ''LumiBatch'' tel que décrit sur [[fr:impilopedia:genex:microarrays:acquire:illumina:via_lumi|cette page]].
* Plus à suivre...
==== Contrôle de qualité des valeurs avant normalisation ====
Cette fonction fonctionne toujours de la même manière de base:
R> plot(a.LumiBatchObject,what='a_metric')
Les différentes métriques accessibles sont:
* ''density'': pour chaque échantillon, une courbe est construite représentant la distribution de l'abondance des signaux d'intensité
* ''pair'': ''plot()'' créera un graphique de comparaison //pairwise// pour chaque paire d'échantillons, en calculant l'indice de corrélation pour chaque comparaison.
* ''MAplot'': ''plot()'' créera plutôt un graphique de comparaison //pairwise// selon un calcul M vs A où M représente le rapport d'intensité de chaque sonde par rapport à la moyenne des intensités représenté par A. Une explication de ce calcul se trouve [[http://en.wikipedia.org/wiki/MA_plot|ici]]
* ''sampleRelation'': vous obtiendrait un arbre représentant un //clustering// hiérarchique des échantillons.
* ''cv'': ce graphique représente la courbe de distribution des densités du coefficient de variance pour chaque échantillon.
Donc, dans notre exemple:
R> plot(r.lumi,what='sampleRelation')
**Notez bien: **les graphes apparaissent dans des fenêtres émergentes(//popup//); si vous ne sauvegardez pas ou n'imprimez pas ce graphique, l'invocation de la prochaine métrique se dessinera à la place de l'analyse précédente!
==== Contrôle de qualité des valeurs après normalisation ====
Une fois que vous avez en main un objet ''LumiBatch'' qui a passé aux travers des étapes de stabilisation et de normalisation, il est maintenant possible de refaire le processus de contrôle de la qualité avec exactement la même méthode ''plot'' en utilisant l'objet ''nq.lumi'' à la place de ''r.lumi''. On peut alors voir les effets de la normalisation. Cet objet ''nq.lumi'' s'obtient en faisant passer ''n.lumi'' au travers de la méthode ''lumiQ''. Cette dernière est automatiquement invoquée lors de l'utilisation de ''lumiR.batch'' mais pas après:
R> nq.lumi<-lumiQ(n.lumi)