Normalisation des données Illumina via le package lumi
Introduction
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(1).
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:
rsnssnquantile(sélection par défaut si non mentionné par le paramétremethod)loessvsnrankinvariant(méthode par défaut via BeadStudio)
La ligne de commande est donc:
R> n.lumi<-lumiN(t.lumi,method='quantile')