用R和BioConductor进行基因芯片数据分析(五)：芯片间归一化

上次进行了芯片内的归一化，但是我们的数据来自于10张芯片，为了让这10张芯片之间有可比性，需要进行芯片间归一化。

具体原理就不介绍了。

这里用到Bioconductor的一个package，叫做limma，以及其中的函数normalizeBetweenArrays()

由于normalizeBetweenArrays()需要log intensity或log ratio作为输入，于是先进行log转化：

#log transformation 
norm_log<-matrix(data = NA, nrow =dim(normed)[1], ncol = dim(normed)[2], byrow = TRUE, dimnames = NULL) 
for (i in 1:dim(normed)[1]){ 
for (j in 1:dim(normed)[2]){ 
norm_log[i,j]<-log(normed[i,j])/log(2) 
} 
}

然后利用函数进行芯片间归一化：

source("http://bioconductor.org/biocLite.R")

biocLite("limma")

library(limma) 
norm_log_btw_array<-normalizeBetweenArrays(norm_log,method='scale')

normalizeBetweenArrays()函数有许多方法，具体请看帮助。

下面看看效果吧

plot(density(norm_log[,1]),ylim=c(0,1.35),xlab='log intensity') 
for (i in 2:20){ 
lines(density(norm_log[,i]),type='l') 
} 
lines(density(norm_log_btw_array[,1]),type='l',col='green') 
for (i in 2:20){ 
lines(density(norm_log_btw_array[,i]),type='l',col='green') 
} 
text(1.5,c(0.8,1.0),labels=c('BEFORE normalization','AFTER normalization'),col=c('black','green'))

from : http://azaleasays.com/tag/r/