R/Bioconductor: Utilisation de la librairie lumi

La librarie lumi(1) est utilisée pour créer des objets de type LumiBatch, qui sont utilisables par d'autres libraries Bioconductor car ces objets sont des implémentations de l'interface ExpressionSet. En plus de permettre la lecture intelligente des fichiers de sortie du logiciel BeadStudio d'illumina, lumi comprends plusieurs routines de contrôle de la qualité très utiles pour déterminer la valeur d'une expérience.

• Pour faire une analyse de contrôle de qualité en utilisant lumi(), il faut démarrer avec une session R:

# Tres dur a faire...
% R

• En parallèle, il vous faut créer un fichier texte, infos_data.txt, qui contiendra deux colonnes:
  • La première colonne est l'identificateur de chaque échantillon, celui qui précède l'information AVG_Signal. Par exemple: si l'en-tête de colonne s'appelle Sample01.AVG_Signal, alors l'identificateur de l'échantillon est Sample01. Prenez note: la première cellule de cette première ligne doit avoir une étiquette unique, tel que sampleID.
  • La deuxième colonne dénote la classe de chaque échantillon, par exemple, Contrôle vs. Expérience. De la même manière que le première colonne, la cellule de la première ligne devrait avoir une étiquette unique tel que Class.

• Il faut se positionner dans le système de fichiers dans le dossier qui contient notre fichier de données. Contrairement à la plate-forme Affymetrix qui crée un fichier par puce, la plate-forme Illumina crée un seul fichier de données, avec un ensemble de colonnes pour chaque échantillon.

R> setwd("/path/to/data/file")

• Charger la librarie lumi:

R> library(lumi)

• Créer l'objet LumiBatch que nous appèlerons r.lumi:

R> r.lumi<-lumiR('fichier_de_donnees_des_probes.txt',sampleInfoFile='info_data.txt')

• Après quelques minutes, vous devriez avoir le retour du curseur. Pour vous assurez que tout va bien, tentez ceci:

R> r.lumi

• Vous devriez obtenir les infos de base sur votre nouvel objet:

 Summary of data information:
	 Data File Information:
 
# blablabla...

Nous pourrions maintenant vouloir sauvegarder la matrice de données:

R> write.exprs(r.lumi, file='processedData.txt')

Vous obtiendrez un fichier texte avec comme première colonne, le nuID définit par lumi et une colonne pour chaque échantillon contenu dans le fichier d'origine. Il y a cependant un hic: si vous regardez la façon de représenter un nuID, ça ne ressemble pas à grand chose… Il faut faire un mapping entre les identificateurs nuID et ceux plus conventionnels comme RefSeq et Entrez Gene:

R> nu<-featureNames(r.lumi)
R> mapInfo<-getNuIDMappingInfo(nu,lib.mapping='lumiHumanIDMapping')
R> write.table(mapInfo,file="./nuID2RefSeq.txt",quote=FALSE,sep="\t")

Il faudra fusionner les deux fichiers dans un tableur de votre choix pour obtenir les correspondances.